为所有代理找到初始可行的解决方案

Question

编辑以获得更好的解释（对不起）。

我有一个半去中心化的优化问题。半去中心化的意思是：我有一个聚合器来控制每个代理的最佳响应，但是这些代理有一个单独的成本函数（变量和约束都被复制）。理论上，我只需要找到一个初始可行点（对于所有代理），然后通过迭代解决每个代理的优化问题，它会收敛到一个最优值。

我的问题是，为了找到一个初始可行点，我不会同时考虑每个代理，而是在没有目标函数的情况下使用迭代循环进行优化阶段（使用 mdl.remove_objective） .我想，通过运行足够多的时间，它最终会为所有代理提供一个可行的解决方案。但是，CPLEX 得出的解决方案都非常相似。这使得无论我运行多少次，第 6 个代理都没有可行的解决方案。

我的问题是：如何在每次迭代中强制可行点是可行集中的实际随机点？因为看起来，也许从 CPLEX 用来寻找可行解决方案的捷径来看，它总是选择相似的解决方案。

（我知道我可以同时解决所有代理的初始可行点，但我仍然想知道是否可以做我想做的事）

谢谢！

Answer 1

两个想法：

• 对于一个给定的模型实例，您可以尝试Model.populate_solution_pool，它会返回一组解决方案。
• 其次，如果目标并不重要，但您想探索不同方向的可行解空间，您可以尝试在每次运行中设置不同的“随机”目标。 CPLEX 旨在为目标找到最佳解决方案；因此，设定目标是“驱动” cplex 在不同方向寻找解决方案的方式。 例如，生成二进制变量的子集，计算总和并尝试最大化该总和（或任何更适合您的情况的方法。）

也就是说，您的问题也可能非常紧凑，以至于不存在很多解决方案，而 CPLEX 总是依赖于相同的解决方案。 如果 CPLEX 日志显示找到的具有不同目标的解决方案很少，那么您就会知道会发生这种情况。

最后，将 mip emphasis 参数设置为 1（可行性）或 4（隐藏的可行性）可能有助于提高可行性而不是最优性。