matlab实现单纯型法解线性规划_线性规划问题中的多解现象

知乎用户Devin 化工系

线性规划问题中出现多个解的现象是非常常见的。代数解释是，目标向量是某些约束向量的线性组合；几何解释是目标向量垂直于那个最优超平面。

出现多解问题的几种可能性：

1. 问题没有能够得到很好地定义，或者说问题定义得比较“松”，导致有多个解。如果约束恰当，那么可能会恰好消除掉多解。
2. 问题的系统非常健壮，天然有一种灵活性，有多种方法得到相同的目标。如网络，有多个通路可以实现同样的目标。

当多解存在时，最优解有无穷个，可以分为两类，基本最优解（basic optimum）、非基本最优解（nonbasic optimum）。几何上看，基本最优解，就是可行域角点上的最优解，有有限个；非基本最优解是非角点上的解，有无穷个。使用不同的LP求解器会得到不同的结果，单纯形法及其变种，搜索的是角点，所以理论上通常得到基本最优解；内点法，搜索的是中心路径（central path）的解析中心(analytical center)，所以理论上通常得到的是非基本最优解。相比而言，单纯形法是基本解，所以一般而言比内点法稀疏；如果希望是稀疏解，应该尽量使用单纯形法，或者带有crossover的内点法。Crossover，是CPLEX求解LP问题时，求解后默认的一个后处理方法，这个后处理可以得到近似解最近的基本最优解；多解存在时，如果使用了内点法加上crossover的后处理，得到的还是一个基本最优解。

如果换个视角，最优解集实际上可以看成凸组合，那么基本最优解是凸组合的角，所有非基本最优解可以看做基本最优解的凸组合。正是因为这样，当多解存在时，求解得到所有基本最优解最关键。Cplex 上有一个不错的关于多解的讨论（链接：CPLEX Optimizers）值得一看。我不太清楚CPLEX能不能找到LP问题的所有最优解，但是好像整数规划CPLEX是可以找到所有的最优解的（我曾经搜到过）。

搜索所有基本最优解的常见方法有两种，一种是把LP问题转化成MILP问题，效率低，个人不喜欢；另一种方法相对简单。单纯形法停止时的单纯形表中，非基变量如果有系数为零的，那么该非基变量进基，不会带来目标函数的变化，这就是多个基本最优解。可以通过让该变量进基，然后得到一个新的基本最优解。新的基本最优解，可能也存在非基变量系数为零的情况，其中一个解进基会得到刚才的解；其他的进基会得到新的基本最优解。通过这样迭代的搜寻，并且排除所有的重复的基本最优解，就得到了所有的基本最优解集。个人经验，这种方法因可能会搜索到重复的，编程上需要特殊处理（递归调用，树状搜索，不太清楚可不可以避免递归），否则一个简单的问题因为递归，就会把内存耗尽。我曾经有一个原LP问题50个变量左右，经过标准化后搜索出超过2500个基本最优解，然后内存就耗尽了。

Lee, S., Phalakornkule, C., Domach, M. M., & Grossmann, I. E. (2000). Recursive MILP model for finding all the alternate optima in LP models for metabolic networks.Computers & Chemical Engineering,24(2-7), 711-716.

Motamedian, E., & Naeimpoor, F. (2018). LAMOS: A linear algorithm to identify the origin of multiple optimal flux distributions in metabolic networks.Computers & Chemical Engineering,117, 372-377.