关于大型线性规划的 mosekopt 迭代实现
On the iterative implementation of mosekopt for large linear programs
我必须求解具有大量约束的线性规划。我使用 MOSEK（mosekopt，MSK_IPAR_INTPNT_BASIS 设置为 MSK_BI_NEVER 以节省时间）。
由于维数较大，求解器需要时间来求解程序。
我考虑过手动编写以下迭代过程：
取约束的随机子集并求解受限线性规划。
如果受限线性规划的解不存在，则停止。
若存在受限线性规划的解，则判断是否为原线性规划的解。如果是，停止。如果不是，则从 1. 开始重复，并使用包括本次迭代约束的更大约束集。
该过程似乎没有显着节省时间。我想知道这是不是因为1.,2.,3.本质上是求解器在不需要我输入的情况下所做的。你能建议一下吗？
如果在从 3. 移动到 1. 时，我向 mosekopt 提供受限线性程序的旧解，我可以改进吗？
这可能比在完整问题上使用 Mosek 更快，也可能不会更快。至少理论上你的方法是劣等的。
你没说问题的维度很有趣。
或解决完整问题需要多长时间。
一个棘手的问题是您在 3 中添加了多少约束以及哪些约束。这将非常重要。
我必须求解具有大量约束的线性规划。我使用 MOSEK（mosekopt，MSK_IPAR_INTPNT_BASIS 设置为 MSK_BI_NEVER 以节省时间）。
由于维数较大，求解器需要时间来求解程序。
我考虑过手动编写以下迭代过程：
取约束的随机子集并求解受限线性规划。
如果受限线性规划的解不存在，则停止。
若存在受限线性规划的解，则判断是否为原线性规划的解。如果是，停止。如果不是，则从 1. 开始重复，并使用包括本次迭代约束的更大约束集。
该过程似乎没有显着节省时间。我想知道这是不是因为1.,2.,3.本质上是求解器在不需要我输入的情况下所做的。你能建议一下吗？
如果在从 3. 移动到 1. 时，我向 mosekopt 提供受限线性程序的旧解，我可以改进吗？
这可能比在完整问题上使用 Mosek 更快，也可能不会更快。至少理论上你的方法是劣等的。
你没说问题的维度很有趣。 或解决完整问题需要多长时间。
一个棘手的问题是您在 3 中添加了多少约束以及哪些约束。这将非常重要。