如何在CPLEX OPL中避免连续决策变量取极小非零值且不产生大量二进制变量

方案1：后处理+求解器参数调整（无额外变量，开销最低） #

• 如果你的核心需求首先是消除数值求解产生的极小非零误差，且业务场景允许对结果做合规校验修正，可优先用这套无额外复杂度的方案：
  1. 调整CPLEX数值容忍度参数，将epint（整数可行性容忍度）、eprhs（约束右侧容忍度）从默认的1e-6调低到1e-8甚至更小，减少求解器输出的极小非零值
  2. 求解完成后对所有Xbdt做后处理：数值小于阈值（比如1e-5）直接置为0；数值介于1e-5到100之间的，可根据业务规则判定为无效解修正，或判定当前求解结果不可行
• 适用场景：目标函数天然排斥(0,100)区间的取值，比如Xbdt在目标中是正成本项，只要大于0就会推高总成本，求解器本身不会主动生成0到100之间的取值，极小值仅为数值误差，后处理完全可以覆盖需求。

方案2：使用CPLEX原生半连续变量（硬约束，性能最优） #

CPLEX OPL原生支持半连续变量类型，刚好匹配「要么取0，要么取≥指定下限的正数」的需求，不需要手动写逻辑约束，也不会额外生成冗余的二进制变量，直接修改变量声明即可：

// 声明半连续变量，M_b为对应[b][d][t]组合下Xbdt的最大可能取值上限，需要根据实际业务（如块矿量、运输能力等）设置紧上限
dvar semi float Xbdt[Pitblocks][DumpBlocks][TimePeriods] in [100, M_b];

半连续变量的语义就是变量要么等于0，要么落在你声明的区间[100, M_b]内，完全匹配你的需求，且CPLEX对半连续变量有专门的求解优化，比手动写逻辑约束效率高得多。

方案3：优化手动大M约束（硬约束，可灵活调整） #

如果因为版本等原因无法使用半连续变量，可把原来的自动逻辑约束替换为手动写的紧大M约束，配合分支优先级设置也能大幅提升求解速度：

// 声明指示变量
dvar boolean Ybdt[Pitblocks][DumpBlocks][TimePeriods];

forall(b in PitBlocks,d in DumpBlocks,t in TimePeriods) {
    // Ybdt为1时Xbdt≥100，Ybdt为0时Xbdt必须为0
    Xbdt[b][d][t] >= 100 * Ybdt[b][d][t];
    // M_b为对应[b][d][t]的Xbdt最大取值上限，不要用全局过大的M，越紧求解越快
    Xbdt[b][d][t] <= M_b * Ybdt[b][d][t];
}

额外可配置CPLEX参数，给Ybdt设置更高的分支优先级，进一步降低求解耗时。

内容的提问来源于stack exchange，提问作者Ranajit