CPLEX Python API 中的 Benders 分解点削减

Question

我正在尝试使用 CPLEX 公开的 python API 将 Benders 分解实现为混合整数线性规划。它附带的教程文件 (bendersatsp.py) 展示了当内部子问题无界时，我们如何实现 "ray" 切割。然而，它并没有说明实现切点的过程。 Paul Robin 在 JAVA API 上的 blog 提到 "When the LP subproblem is feasible, we can get the dual values directly with a function named getDuals"。 python 的过程是否相同？是否有示例说明如何执行此操作？

还有，为什么cplex自带的示例代码不这样做呢？在这种情况下，当内部问题可行时会发生什么？

Answer 1

据我所知，

bendersatsp.py 是针对结构化问题的。如果我对你的理解正确，你需要找到一个最优切割（Benders 的 LP 有两种切割：可行性和最优切割）因为你需要找到对偶（用于你的 MIP 的 LP 松弛）。随着 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)

还有一点，get_dual_values() returns要么是双极点，要么是射线，这取决于你的问题的解决状态（虽然方法的名称有点模糊）。