基于PySCIPOpt的自定义Value Propagator开发疑问咨询

问题1：逻辑适合Value Propagator还是约束处理器？ #

• 如果你的逻辑仅在变量被固定时触发，推导其他变量的固定值，Value Propagator是合适的。它的核心场景就是基于变量域变化（比如固定）进行传播推导，不需要额外定义约束类型，实现更轻量。
• 约束处理器更适合需要维护特定约束实例的场景（比如自定义逻辑约束），如果你的逻辑没有对应的约束实体，只是纯传播推导，没必要用约束处理器。

问题2：getCurrentNode在Value Propagator中能否正常工作？ #

• 可以正常工作。只要传播器注册时freq=1（表示每次节点处理都触发），propexec方法是在节点上下文里执行的，getCurrentNode()能正确获取当前分支节点。
• 注意：预求解阶段没有节点，此时getCurrentNode()会返回None，如果你的逻辑不需要在预求解阶段运行，可以在propexec开头判断节点是否存在，或者通过proptiming参数调整传播时机。

问题3：getVars的transformed参数该如何设置？ #

• 必须设置transformed=True。SCIP在求解时实际操作的是预求解后的转换变量，原始变量（transformed=False）可能已经被替换、删除或不活跃，直接操作原始变量会导致SCIP无法识别你的修改，甚至引发逻辑错误（比如你代码中用原始变量调用chgVarLbNode，这些修改不会作用到实际求解的变量上，可能导致check_constraints基于错误的变量状态误判为不可行）。
• 如果你需要关联原始变量的信息，可以通过转换变量的getOriginalVar()方法获取对应的原始变量，或者用var.getName()去掉t_前缀匹配，但推荐用SCIP官方接口关联，避免命名规则变化导致错误。

问题4：getVars是否为节点特定？获取已固定变量的最优方法？ #

• getVars()返回的是全局变量集合，不是节点特定的。节点层面的变量边界需通过var.getLbLocal()和var.getUbLocal()获取（你代码中的判断逻辑是对的）。
• 获取节点中已固定变量的常规方法是遍历变量，判断isFeasEQ(var.getLbLocal(), var.getUbLocal())。如果变量数量极大，可以优化：比如在传播器中维护已固定变量列表，通过监听SCIP的变量固定事件（eventhdlr）更新列表，避免每次遍历所有变量。

代码问题分析 #

你的代码导致误判不可行的核心原因大概率是使用了未转换的原始变量：

1. 用transformed=False获取的原始变量调用chgVarLbNode，SCIP不会处理这些修改，导致check_constraints基于错误的变量状态返回impossible。
2. 修正方法：将getVars(transformed=False)改为getVars(transformed=True)，如果需要原始变量名，通过var.getOriginalVar().getName()获取。

修正后的核心代码片段：

class MyPropagator(scip.Prop):
    def propexec(self, proptiming):
        # 使用转换后的变量
        vars = self.model.getVars(transformed=True)
        hit_some = False
        node = self.model.getCurrentNode()
        # 预求解阶段无节点，直接跳过
        if node is None:
            return {"result": scip.scip.PY_SCIP_RESULT.DIDNOTFIND}
            
        for var in vars:
            if self.model.isFeasEQ(var.getLbLocal(), var.getUbLocal()):
                # 获取原始变量名用于check_constraints
                original_name = var.getOriginalVar().getName() if var.getOriginalVar() else var.getName()
                impossible, wants_fix = self.check_constraints(original_name)
                if impossible:
                    return {"result": scip.scip.PY_SCIP_RESULT.CUTOFF}
                for key_var_name, value in wants_fix:
                    # 根据原始变量名找到对应的转换变量
                    key_var = self.model.getVarByName(f"t_{key_var_name}")
                    if key_var:
                        self.model.chgVarLbNode(node, key_var, value)
                        self.model.chgVarUbNode(node, key_var, value)
                        hit_some = True

        if hit_some:
            return {"result": scip.scip.PY_SCIP_RESULT.REDUCEDDOM}
        return {"result": scip.scip.PY_SCIP_RESULT.DIDNOTFIND}

内容的提问来源于stack exchange，提问作者Brannon