纸浆编程输出

Question

我和一个合作者在一个涉及线性规划的优化项目上工作。我们都使用硬币或分支和切割求解器来解决问题。我使用基于Python的PuLP包构造.LP文件。我不完全确定协作者是如何创建他们的.LP文件的（绝对不是使用Python），但本质上，我们有两个不同的系统为完全相同的问题生成.LP文件，即目标函数、变量和约束完全相同。在

我通常在Python（myProblm.solve()）中解决我的问题，但是我也生成了一个.LP文件，并从命令行调用CBC解算器来解决这个文件（问题）。接下来，我将从我的系统（Python或命令行）获得的输出与协作者获得的输出进行比较。[请注意，我这边的问题的输出结果是完全相同的，无论是在PuLP中还是在命令行中解决。]

我们之间的目标函数值很匹配，但其他细节不完全匹配。例如，如果我们要求解this Whiskas blending problem，那么配料的总成本将完全相同，但配料的比例不同。知道为什么会这样吗？在

我手动比较了我们的.LP文件，发现了一些差异。对于初学者来说，约束和变量的顺序是不同的。换句话说，如果有5个约束，我的文件将它们列为C1,C2,C5,C4,C3，而相同的约束将被列为C1,C2,C3,C4,C5。另外，我的Python代码将所有数字舍入到10的位置，而他的系统将它们舍入到1的位置。因此，一些变量的系数值略有不同。在

这些差异是否在解算器的精确输出中起作用？在

另外，下一个问题是：在求解线性规划优化问题时，我们应该做些什么来获得完全相同的输出？哪些因素影响LP问题的求解？像.LP文件结构这样的因素起作用吗？如果我在不同的计算机上以完全相同的条件运行同一个LP文件，我会得到完全相同的输出吗？在

Answer 1

同一问题的多解函数不能保证同一目标解的存在。当MIP问题使用分支定界时，这个问题变得更加复杂。使用多线程或多处理几乎不可能。在

总之，要获得相同的解，要么生成完全相同的LP文件，要么使用相同的解算器求解。或者改变你的目标函数，这样就只有一个最优的解决方案（也许更喜欢一些成分的排序，只需改变成分的成本）。在