在cplex中设置网络算法，但解决方案是通过对偶单纯形获得的

Question

我正在使用 cplex 在 python/java 中解决纯网络流问题（最小成本流模型）。因此，我明确告诉 cplex 使用网络算法（即

lpmethod = network = 3

）。然而，在模型求解后，我要求 cplex 告诉我它使用什么算法来产生解决方案，它告诉我它是对偶单纯形（即，

lpmethod = dual = 2

）。我知道，当我调用网络算法时，cplex 会提取一个嵌入式网络以使用网络优化器，然后它使用该解决方案构建要通过单纯形优化器解决的完整 LP 问题的起始基础。然而，我提供了一个纯粹的网络流模型，因此不需要提取，并且在找到网络解决方案后绝对不需要重建到 lp 基础。

Cplex 告诉我，我可以仅使用 C 可调用库来克服这一步。不过，我正在使用 .NET、Python 和 Java 库。

如果我提供纯网络模型并且想使用Java库，如何避免在获得真实解决方案后提取网络并重建基础的额外时间？

我正在使用具有数百万个变量的大型网络，但尝试了较小规模的东西。例如，我正在使用 cplex python 示例

lpex3.py

:

import cplex
c = cplex.Cplex()
c.parameters.simplex.display.set(2)
c.parameters.read.datacheck.set(1)
c.linear_constraints.add(senses="EEEEEEE",
                            rhs=[-1.0, 4.0, 1.0, 1.0, -2.0, -2.0, -1.0])
flow = [[[1, 6], [1.0, -1.0]],
        [[2, 6], [1.0, -1.0]],
        [[3, 6], [1.0, -1.0]],
        [[2, 5], [1.0, -1.0]],
        [[3, 5], [1.0, -1.0]],
        [[1, 4], [1.0, -1.0]],
        [[2, 4], [1.0, -1.0]],
        [[0, 1], [-1.0, 1.0]],
        [[0, 2], [-1.0, 1.0]],
        [[0, 3], [1.0, -1.0]],
        [[4, 5], [-1.0, 1.0]],
        [[4, 6], [1.0, -1.0]]]

# lower bounds are set to their default value of 0.0
c.variables.add(obj=[1.0, 1.0, 1.0, 1.0, 1.0, 1.0,
                        1.0, 0.0, 0.0, 0.0, 2.0, 2.0],
                ub=[50.0] * 12, columns=flow)
c.parameters.lpmethod.set(c.parameters.lpmethod.values.network) # Here I set the algorithm to network
c.solve()
print("After network optimization, objective is ", c.solution.get_objective_value())
print("Algorithm used: ", c.solution.get_method()) # Here I ask for the algorithm used to produce the solution.

但是，输出是

CPXPARAM_Simplex_Display                         2
CPXPARAM_Read_DataCheck                          1
CPXPARAM_LPMethod                                3
Tried aggregator 1 time.
No LP presolve or aggregator reductions.
Presolve time = 0.00 sec. (0.01 ticks)
Extracted network with 7 nodes and 12 arcs.
Extraction time = 0.00 sec. (0.00 ticks)

Iteration log . . .
Iteration:     0   Infeasibility     =            11.000000 (11)

Network - Optimal:  Objective =    5.0000000000e+00
Network time = 0.00 sec. (0.00 ticks)  Iterations = 6 (5)
After network optimization, objective is  5.0
Algorithm used:  2

显然，虽然问题是纯网络流模型，并且我调用了网络算法，并且不需要后处理，但使用的算法是对偶单纯形（值为2）。在一个小例子中，这可能并不重要，但是当在列生成中并行求解具有数百万个变量的多个网络模型时，每一秒都很重要。

Answer 1

嗨，Jorge Huertas，你能弄清楚吗？