PySCIPOpt获取LP对偶解的参数配置及获取方法咨询

是否必须关闭预求解、禁用传播才能获取对偶解？ #

答案是完全不需要。
网上流传的「必须关闭预求解、禁用传播才能拿对偶」的说法，本质是早年SCIP 3.x及更早版本的遗留问题：当时版本的求解后回代（postsolve）逻辑不会把预求解阶段简化、变形后的问题对偶值映射回用户最初建的原始模型空间，用户拿到的是变形后内部模型的对偶，和自己加的原始约束根本对不上，才会出数值错误、符号不对、匹配错位的问题。
从SCIP 4.0版本及配套的PySCIPOpt开始，默认参数下求解完成、达到最优状态后，求解器会自动完成postsolve全流程，把简化问题的对偶解准确映射到原始模型的约束、变量空间，不需要提前禁用预求解和传播功能。
要注意一个核心前提：这个结论仅针对纯线性规划（LP，无任何离散类型变量），混合整数规划（MIP）本身不存在全局定义的对偶解，无论怎么调参数都无法拿到有严格理论意义的原问题全局对偶值。

可稳定获取对偶解的宽松参数设置 #

如果遇到默认参数下对偶值获取异常的情况，不需要直接把预求解、传播全关，优先调整以下参数即可，对求解效率的影响远小于完全关闭预求解：

• 保持presolving/maxrounds为默认值（-1，即自动选择预求解轮数），仅需确认misc/calcsols参数为开启状态（默认值为1，即开启），保证求解结束后自动执行完整的解回代流程。
• 不需要全局关闭约束传播，默认传播规则不会破坏对偶解的映射关系；仅当你自定义了会不可逆修改问题结构的激进传播插件时，才需要调整对应传播插件的优先级。
• 如果默认设置下对偶值存在映射偏差，仅需将presolving/donotmultaggr参数设为1（禁用多约束聚合的预求解规则）即可，其余预求解、传播功能保持默认开启，求解效率损失极小。
• 必须等求解器完全返回最优状态（即model.getStatus() == 'optimal'）之后再取对偶值，不要在求解回调、求解中途提前取值，此时postsolve流程还未执行，拿到的是中间变换后问题的对偶，和原问题不匹配。
• 只有上述调整都无法解决对偶值异常的极端情况，才需要把presolving/maxrounds设为0完全关闭预求解，这是兜底方案，不是必须的首选设置。

是否支持直接获取完整对偶解向量 #

支持，不需要逐一对每个约束调用getDualsolLinear方法：
在PySCIPOpt 4.0及以上版本中，Model类提供了getDuals()方法，你只需要把要获取对偶值的约束按需要的顺序存入一个列表（推荐建模时就把所有自己添加的业务线性约束存在自定义列表里），求解完成后直接调用dual_vec = model.getDuals(conss)，就能得到和输入约束列表顺序完全一一对应的对偶值序列，直接构成完整的对偶解向量。

注意：getDualsolLinear仅能作用于线性约束，而getDuals()会自动适配约束类型，纯LP场景下所有线性约束的对偶值都可以通过该方法批量获取，效率远高于循环逐个调用单约束取对偶的接口。如果建模时没有提前存约束列表，也可以通过model.getConss()拿到模型内的所有约束再传给getDuals()，但这个方法返回的列表会包含SCIP自动添加的辅助约束，和你自己添加的业务约束顺序不对应，需要自行做匹配过滤。

内容的提问来源于stack exchange，提问作者optimal-br