GLOP等LP求解器Python脚本实现及初始解限时优化技术问询

一、GLOP的最小Python求解脚本 #

GLOP是Google OR-Tools套件中的线性规划求解器，需先安装依赖：

pip install ortools

对应命令行read model.mps+optimize的最小实现脚本：

from ortools.linear_solver import pywraplp

# 初始化GLOP求解器
solver = pywraplp.Solver.CreateSolver('GLOP')
if not solver:
    exit()

# 加载MPS模型
if solver.LoadModel('model.mps') != pywraplp.Solver.OK:
    print("模型加载失败")
    exit()

# 执行优化
solve_status = solver.Solve()

# 可选：输出基础求解结果
print(f"求解状态: {solver.StatusName(solve_status)}")
if solve_status == pywraplp.Solver.OPTIMAL:
    print(f"最优目标值: {solver.Objective().Value()}")

二、PDLP、CLP等求解器的实现方式 #

PDLP求解器 #

PDLP同样属于Google OR-Tools生态，安装依赖与GLOP一致，仅需修改求解器名称即可：

from ortools.linear_solver import pywraplp

solver = pywraplp.Solver.CreateSolver('PDLP')
if not solver:
    exit()

solver.LoadModel('model.mps')
solver.Solve()

CLP求解器 #

CLP是COIN-OR项目中的开源LP求解器，需先安装其Python绑定：

pip install coinor-clp

最小求解脚本：

from clp import CLPSolver

solver = CLPSolver()
# 读取MPS模型
solver.readMps('model.mps')
# 执行优化
solver.initialSolve()

# 可选：输出结果
print(f"目标值: {solver.objectiveValue()}")

三、指定初始解与限时寻优功能支持 #

指定初始解 #

所有三款求解器均支持设置初始解，帮助求解器更快收敛：

• GLOP/PDLP：通过变量的SetHint方法设置初始值：

  # 遍历模型所有变量，为每个变量设置初始值
  for var in solver.variables():
      var.SetHint(your_initial_value)  # your_initial_value为预设的初始解数值
  solver.Solve()
  

• CLP：通过setInitialSolution方法批量设置：

  vars_list = solver.variables()
  initial_values = [val1, val2, ...]  # 数值顺序需与变量列表对应
  solver.setInitialSolution(vars_list, initial_values)
  solver.initialSolve()
  

限时寻优 #

三款求解器均支持设置求解时间限制，超时后返回当前找到的最优可行解：

• GLOP/PDLP：SetTimeLimit方法，单位为毫秒：

  solver.SetTimeLimit(30000)  # 限制求解时间为30秒
  solver.Solve()
  

• CLP：setTimeLimit方法，单位为秒：

  solver.setTimeLimit(30)  # 限制求解时间为30秒
  solver.initialSolve()
  

参考问题翻译：如何为大规模线性规划问题找到一个可行但非最优的解？

内容的提问来源于stack exchange，提问作者Zohar Levi