在同一个版本的 Julia 中，一个优化问题怎么可能有不同的解决方案？答案

【问题标题】：How is it possible that in the same version of Julia, an optimizing problem has different solutions?在同一个版本的 Julia 中，一个优化问题怎么可能有不同的解决方案？
【发布时间】：2019-08-05 12:26:03
【问题描述】：

在两台不同的计算机上运行相同版本的 Julia 中的优化代码是否有可能给出不同的解决方案？例如在笔记本电脑上运行了一段代码，得到了这两种解决方案

[712.0, 645.0], [1515.39, 322.625], "R", "V")
 ([1515.4, 322.5], [1683.3, 0.0], "R", "V")

代码在更强大的 PC 上运行，但解决方案如下：


 ([712.0, 645.0], [NaN, 322.625], "R", "V")
([1515.4, 322.5], [1683.3, 0.0], "R", "V")

请你帮我看看这怎么可能，以及如何解决这个问题。在这段代码中，NaN 是如何发生的？有什么方法可以让第一个解决方案在 pc 中也获得收益？感谢您的热心帮助。

【问题讨论】：

这里有很多可能的答案，如果不了解更多有关您在做什么的信息，就不可能知道是哪种情况。一些优化库每次都从随机位置开始。其他人在每次迭代时使用数据的随机子集。您的停止条件可能是基于时间的，因此较快的 PC 能够使其步数小到除以零。或者更多...
代码太长了，我不能放在这里。但是库是相同的JuMP,CPLEX,CPUTime,Plots。请你帮我如何删除它？是否可以类似地设置两台计算机的精度？
确实应该有可能，但是这里没有足够的信息来形成任何有用的答案。鉴于您使用的是 CPLEX，您可以调查手动设置其众多基于时间和/或热启动标志之一。 discourse.julialang.org/t/…

标签： julia cplex julia-jump

【解决方案1】：

是的，使用 CPLEX 可以在不同的计算机上获得不同的解决方案。

具体来说，在determinism and the timing interface 的文档中，它说：

系统时间（例如以秒为单位的 CPU 时间或挂钟时间以秒为单位）不是确定性的；换句话说，它可能会有所不同从一个运行到另一个。例如，其他应用程序的负载在系统上可能会影响性能，从而影响系统时间。因此，即使在相同的时间限制下，连续两次运行也可能产生不确定的结果。

如果您想提高获得确定性结果的机会，可以设置deterministic time limit。但是，鉴于您在两台不同的计算机上运行（具有不同的规格？使用不同的操作系统？），这可能还不够。

编辑：

cmets 中的链接显示了如何使用 JuMP 设置 CPLEX 参数。例如，可以设置确定性时间限制，如下所示：

m = Model(with_optimizer(CPLEX.Optimizer, CPX_PARAM_DETTILIM=1000))

【讨论】：

但我找不到任何可以在 Julia 中使用的东西。你能帮我在哪里为朱莉娅找到它吗？谢谢。