Benders分解点削减了CPLEX的Python API

Question

我正在尝试使用CPLEX公开的python API将Benders Decomposition实现为混合整数线性程序。随附的教程文件（bendersatsp.py）显示了当内部子问题无限制时我们如何实现“光线”切割。然而，它没有说明实现点切割的过程。 Paul Robin关于JAVA API的blog提到“当LP子问题可行时，我们可以直接使用名为getDuals的函数获取双值”。在python的情况下程序是否相同？有没有一个例子说明如何做到这一点？

另外，为什么cplex附带的示例代码不会这样做？在这种情况下，当内在问题可行时会发生什么？

Answer 1

就我记忆而言，bendersatsp.py是针对结构化问题的。如果我理解你正确你需要找到最优切割（在Benders的LP中有两种切割：可行性和最优切割），因为你需要找到双重切换（用于你的MIP的LP松弛）。使用Python API：

subproblem = cplex.Cplex()
## construct your subproblems
.....
## find variables' names:
con_names = subproblem.linear_constraints.get_names()
subproblem.solve()
## get the duals to cunstruct the cut:
duals = subproblem.solution.get_dual_values(con_names)

还有一件事，get_dual_values()返回双极点或光线，具体取决于问题的解决方案状态（尽管方法的名称有点模糊）。