Gurobi求解器参数

gp.setParam("LogToConsole", 0)

控制 日志是否输出到控制台。

  • 0:不在控制台打印日志(常用于跑批、服务器后台)

  • 1:打印到控制台(默认通常是 1)

不影响写文件日志(LogFile),只管"屏幕上是否刷"。


m.Params.Heuristics

控制 **启发式(heuristics)**投入力度(主要影响 MIP)。

  • 范围通常 0.0 ~ 1.0(可以更大但一般不建议乱调)

  • 0:基本禁用启发式(可能更慢找到可行解/更差的上界)

  • 值越大:越积极找可行解、提升 incumbent(上界/下界中的"上界",取决于 min/max)

典型用途

  • 你很难找到第一个可行解:适当调高(如 0.2→0.5)

  • 你更想要"证明最优/收敛界"而不是早出解:可调低


m.Params.Threads

设置 并行线程数(多核并行)。

  • 1:单线程(更可复现)

  • 0:让 Gurobi 自己决定用多少线程(默认)

  • k:固定用 k 个线程

注意

  • 多线程速度通常更快,但结果路径(日志、节点顺序)会更不稳定。

  • 需要可复现/对比实验:常设 Threads=1 并配合 Seed。


m.Params.MIPFocus

告诉求解器:在 MIP 中"更侧重什么"。

  • 0(默认):平衡

  • 1:更侧重 尽快找可行解(feasible solutions)

  • 2:更侧重 改进下界/证明最优(bound / optimality proof)

  • 3:更侧重 改进 incumbent(当前最好解)(在已有可行解基础上深挖)

经验用法

  • 你卡在"没有可行解"很久:MIPFocus=1

  • 你有不错的解但 gap 下不来:MIPFocus=2

  • 你想在固定时间内把解质量再压一压:MIPFocus=3


m.Params.PoolSolutions

解池大小:最多 存多少个不同的可行解(solution pool)。

  • 常见:PoolSolutions = N(如 10、100、1000)

  • 只对"你希望拿到多个候选方案"有意义

注意:存更多解会增加内存/管理开销。


m.Params.PoolSearchMode

解池搜索模式:为了"多找一些不同的解",求解器会额外做多少工作。

  • 0:默认(不特别为解池额外用力)

  • 1:中等强度,为了多样性多找解

  • 2:更强,会显著增加为寻找多解投入(可能变慢)

何时用

  • 你要"很多备选方案"(排班、路径、多方案评估):1 或 2

  • 你只要最优解:一般别开太高


m.Params.PoolGap

解池质量阈值:允许解池里存的解比最优解差多少(相对差距)。

  • 例如 PoolGap = 0.05:允许解池中解的目标值最多比最优差 5%(相对意义,按目标方向)

  • 如果设得很小:只保留很接近最优的解

  • 设得大:解池里会有更"多样/更差"的解


m.Params.SolutionLimit

找到多少个可行解就停止(包括解池里的解)。

  • SolutionLimit = k:一旦找到 k 个可行解就终止优化

  • 常见用法:你只要"任意可行解"或"前几个方案"就够了

和 TimeLimit 类似是停止条件之一。


m.Params.TimeLimit

时间上限(秒)。到时间就停止。

  • TimeLimit = 60:最多跑 60 秒

  • 停止时会返回当前最好结果(可能不是最优),并在 m.Status 里体现是时间限制终止。

相关推荐
weixin_307779139 小时前
有限产能智能排产与动态重排智能体:从需求解构到技术实现
开发语言·人工智能·算法·架构
Ivanqhz10 小时前
激活函数在 Transformer 中的作用及各种变体简述
java·linux·数据库·人工智能·深度学习
朝朝辞暮i10 小时前
C++ 第 27 课:智能指针 shared_ptr
开发语言·c++·算法
沙漠之主10 小时前
C++编程教学设计资料:从入门到实战的完整课程方案
java·前端·c++
朝朝辞暮i10 小时前
C++ 第 29 课:回调函数 Callback
开发语言·c++·算法
FPGA小徐10 小时前
PA1 基础设施(2)深度解析:NEMU 中 ITRACE、MTRACE、FTRACE、IRINGBUF、ETRACE、DIFFTEST 全解析
java·服务器·网络
Godspeed Zhao11 小时前
现代智能雷达技术14——算法(0)
线性代数·算法·雷达
YOLO数据集集合11 小时前
EvoAgent:面向PR研发治理的自进化Multi-Agent Harness系统
java·开发语言·目标检测·agent·自进化
可乐ea11 小时前
Agent 模型分级升级路由:用置信度阈值把贵模型省下来
人工智能·算法·机器学习·结构化输出·置信度路由·模型升级路由·大模型成本优化
知行EDI11 小时前
知行之桥 MaBang 端口使用指南——Create Order 订单创建篇
java·服务器·数据库