使用哪个线性优化/混合整数优化求解器？ [关闭]答案

【问题标题】：Which linear Optimization/Mixed Integer Optimization solver to use? [closed]使用哪个线性优化/混合整数优化求解器？ [关闭]
【发布时间】：2016-03-14 10:19:50
【问题描述】：

我有一个数学模型，线性规划，具有大量决策变量（> 500K - 1M）。我可以使用哪个开源软件/库（java）来满足我的要求？

问题的复杂性相当简单，有五个约束和一个成本最小化函数，但规模很大。

如果没有什么可以解决问题，请向我推荐性能最好的可用求解器（开源或商业/任何语言）。

【问题讨论】：

标签： mathematical-optimization linear-programming solver convex-optimization coin-or-cbc

【解决方案1】：

COIN CLP 可能是速度更快的开源求解器之一。在商业领域，最常用的高性能 LP 求解器是 Cplex 和 Gurobi。（商业产品大多对学者免费，但价格昂贵）。这些包具有单纯形（原始和对偶）和内点算法。 Mosek 也值得一提（在我的一些问题上它真的很快：它有一个非常好的内点求解器）。模型的结构可能有利于（原始）单纯形法，但您应该在实践中进行检查。所有这些包都有 Java 绑定。

100 万个变量和 5 个约束对于这些求解器来说应该不会太难（非零元素的数量是

【讨论】：

谢谢。而且，再澄清一点，COIN CLP 需要多长时间才能解决 1M 变量？从那以后，我听说 LP_Solver 需要大约 1 小时来处理 200 个变量。
即使 LpSolve 也应该更快地求解具有 200 个变量和 5 个方程的 LP。所以这可能不是 LP，而是 MIP。我谈到了LP。对于 MIP，所有赌注都已取消。 CLP 无法解决 MIP。有 COIN CBC 可以解决 MIP。 Cplex 和 Gurobi 可以，但没有好的方法可以预测他们是否可以解决这样的模型。唯一能做的就是尝试。同样，LP 与 MIP 非常不同。
好吧，现在我明白了全貌，是的，事实上，我想解决二进制整数问题（1M 决策变量）。如果我没记错的话，这会使优化问题变得非凸，并以指数方式增加所消耗的时间和内存。谢谢你的信息，真的很有帮助。