Matlab+Yalmip求解速度变慢的解决过程

最新推荐文章于 2024-10-08 14:47:41 发布

溜Q圈

最新推荐文章于 2024-10-08 14:47:41 发布

阅读量3.5k

点赞数 34

文章标签： matlab 线性规划

本文链接：https://blog.csdn.net/weixin_42668898/article/details/119218833

版权

本文记录了在Matlab中使用Yalmip解决整数规划问题时遇到的性能瓶颈，尤其是在大量循环中。通过分析发现Yalmip中变量累积导致的内存消耗，作者分享了变量定义位置调整和yalmip('clear')技巧，成功解决了计算时间线性增长的问题，提升了解决效率。

摘要由CSDN通过智能技术生成

Matlab+Yalmip求解速度变慢的解决过程记录

Matlab+Yalmip+其他的求解器是在Matlab中解决各种优化问题的常见方式。但是，在最近的一个项目中，我遇到了一个问题。此项目中，代码主要是一个循环，然后在每个循环中都需要求解若干个规模不变的整数规划问题。每次定义的变量都有相同的变量名，在Matlab工作区中会覆盖之前的变量，因此随着循环的运行，工作区中的变量数并不会增加。整个代码的过程大概如下：

for
define variables
define constraints
solve
end

由于这些整数规划问题的规模并不大，所以在最开始的时候，求解器可以在非常快的速度内进行求解。例如，每个循环求解20次整数规划问题，每次所需要的时间不超过1s，因此，一个循环最开始所需的时间在20s之内。然而，随着迭代的逐渐进行，我发现每个循环所需要的计算时间逐渐增加。到了最后，一次循环需要花费我大概700s的时间。100次循环，一共需要消耗10h的时间，这个时间显然是不可接受的。可以从下图中看到，每次循环的计算时间，随着循环的次数基本呈线性增加。

最开始，我以为是求解器的问题，但是我试用了三种求解器：Cplex，Gurobi，以及Matlab自带的Intlinprog工具箱，发现都会出现同样的状况。最后我检查了求解后的result，发现在迭代后期，每次求解的solvertime只需要0.068s，然而yalmiptime需要20.3917s！显然，问题是出在了Yalmip上。

在反复百度和Google后，我都没有找到解决方案。最终，我直接去Github去询问了Yalmip的作者Johan大神，然后他给我的回复如下：

即，虽然我每次在for循环中定义的变量的名称是相同的，看似在matlab中，定义名称相同的变量会覆盖原变量。但是，在Yalmip中，原有的变量并不会被删除，而新的变量会被源源不断地创建，这会导致变量数越来越多。因此，作者给了我两种方法：

方法一：将变量的定义放在循环外面，即：

define variables
define constraints
for
add stuff that changes
solve
end

方法二：在定义变量前使用yalmip(‘clear’)，即：

for
yalmip('clear')
define variables
define constraints
solve
end

最终，我使用了方法2，然后解决了上述的问题。从下图可以看到，即使运行了750次循环，大部分循环所需的时间都在10s左右，只有少部分需要30s的时间，该问题被成功解决。

最后，我特别想要对Yalmip的作者Johan表示一个respect！
（Github讨论区的回复链接：https://github.com/yalmip/YALMIP/discussions/956非常巧的是，在Yalmip的Google Group中，有人在几乎同一时间提了一个和本文一模一样的问题，链接为：https://groups.google.com/g/yalmip/c/DJ5j0CeHbEI）