Pyomo调用IPOPT：0-1变量给出小数解

问题背景

这几天搭建了一个纯整数规划模型，因为规模太大，测试时发现用Pyomo调用SCIP求解太慢了。于是我抖了个机灵，因为我除了SCIP，之前也装好了IPOPT的环境，所以反手就把求解器改成了IPOPT，惊喜的发现速度快了很多，简单case测试的解也没啥问题，以为问题解决了，但是高兴的太早了…

在测试某个case时，模型求出了一个我百思不得其解的方案，排查了半天发现是我定义的binary variable，模型竟然算出了一个小数解！而且非常巧妙的满足了我给的约束条件…

问题分析

一开始问GPT说是我initialize=0不对，一本正经的胡说八道… 然后谷歌到有人遇到和我一样的问题：PYOMO：Binary variable giving float values with IPOPT.，看到下面有人给出的解答是：

IPOPT（Interior Point Optimizer）是一个用于非线性规划（NLP）问题求的优化求解器，而不是整数规划问题。改成SCIP后就解决了！但是性能问题又回来了。

这里有两个值得深钻的问题：

1. 建立好运筹模型后，如何选择合适的求解器？
2. 对于大规模的整数规划问题，怎么提高其求解速度。

后面会调研一下，单独出两篇文章回答这两个问题！

反思

选择求解器要小心，如果给自己的问题匹配了并不合适的求解器，很可能就此埋下了隐患，务必小心验证求出的解是否符合预期。