gurobi 目标设置经验分享

Gurobi 求解混合整数规划的过程中， 内部使用的算法包含了分支定界方法，是一种迭代的方法， 一般终止迭代的方式主要有两种， 一个是设置运算时间（TimeLimit），一个是MIPGap。本文浅显的记录实际中遇到的关于目标函数的设计（涉及到MIPGap）的一点想法。

1 目标函数权重对混合目标优化的影响

$$obj=10000a+100b+c$$

上面的a,b,c 不是简单的变量， 可以认为是复合表达式， 例如$a=w_1{x}_1+w_2{x}_2+...+w_n{x}_n$
b,c 依次类推。
在MIPGap=0.05, a,b,c的取值范围一致的情况下（执行归一化后）， 上面目标的参数设置是不合理的， gap为5%， 求解其会着重优化目标a, 可能存在对b和c没有优化好的情况下， 就终止了执行。

2 另一个实际例子

接上部分的分析， 一个显示的例子是：
$$obj=\sum _{i=1}^{200}{N}_i{x}_i$$
其中$N_i$的取值范围为1到1000的整数， 是一个已知量， $x_i$是0-1变量， 此处省略约束条件，我们的目标是求上述表达式的最大值。

实际上， 我知道上述问题的最优解是全部的变量取值1, 但是在实际求解过程中总是小概率的得出个别$x_i$的值不是1.

我们解决这个问题的一个思路的是基于问题的特征， 将目标函数的取值范围简单的缩小， 例如我们知道大部分的$x_i$都能是1， 我们把目标改成了$obj={\sum }_{i=1}^{200}{N}_i(x_i-1)$, 那么当求解到接近最优值时， 目标函数的值变小了， 在gap的范围内不会将$x_i$规划成0.

实际业务中， 我们仍在观察效果。