有没有一种简单的方法可以减少 MILP 中正松弛变量的值？
Is there a simple way to reduce the value of positive slack variables in MILP?
最近，我一直在学习优化，我的优化问题（最小化）被编码在 MILP 求解器中，它告诉我它对我的模型不可行。因此，我引入了一些 positive/negative 松弛变量。
现在，我得到了一个可行的解决方案，但正松弛变量比我能接受的要大得多。
所以，我给这些变量 penalties/weights（乘以大数），希望 MILP 求解器会减少变量，但这没有用（我得到了相同的解决方案）
一般来说，当松弛过大时，有什么方法可以遵循吗？
一般来说，有没有更好的方法来选择松弛变量？
- 将两者添加到带有惩罚系数的 objective。
- 或者给宽松裤加一些上限。
刚接触数学 programming/optimization 的人常犯的一个错误是变量默认为 non-negative，即它们的隐含下限始终为 0。您的数学模型可能未指定此值明确地，因此可能需要将这些变量声明为自由变量（下限为 -infinity）。
一般来说，您应该double-check您的模型（作为 LP 文件）并将其与数学公式进行比较。
最近，我一直在学习优化，我的优化问题（最小化）被编码在 MILP 求解器中，它告诉我它对我的模型不可行。因此，我引入了一些 positive/negative 松弛变量。 现在，我得到了一个可行的解决方案，但正松弛变量比我能接受的要大得多。 所以，我给这些变量 penalties/weights（乘以大数），希望 MILP 求解器会减少变量，但这没有用（我得到了相同的解决方案） 一般来说，当松弛过大时，有什么方法可以遵循吗？ 一般来说，有没有更好的方法来选择松弛变量？
- 将两者添加到带有惩罚系数的 objective。
- 或者给宽松裤加一些上限。
刚接触数学 programming/optimization 的人常犯的一个错误是变量默认为 non-negative，即它们的隐含下限始终为 0。您的数学模型可能未指定此值明确地，因此可能需要将这些变量声明为自由变量（下限为 -infinity）。
一般来说，您应该double-check您的模型（作为 LP 文件）并将其与数学公式进行比较。