如何在 PuLP 中配置求解器 — PuLP 2.9.0 文档

link管理
链接快照平台
输入网页链接，自动生成快照
标签化管理网页链接
相关文章推荐
安静的饭盒 · ASP.NET Core ...· 1 周前 ·
精明的数据线 · 首次调用通义千问API_大模型服务平台百炼( ...· 1 周前 ·
帅气的水桶 · 创建插件 | asdf· 5 天前 ·
狂野的风衣 · bash shell 环境变量 · GitHub· 5 天前 ·
满身肌肉的四季豆 · AWS CLI 中的配置和凭证文件设置 - ...· 12 小时前 ·
大鼻子的双杠 · Apifox 10月更新 | ...· 2 周前 ·
逃课的水龙头 · 大数据实时查询引擎有哪些 | 帆软数字化转型知识库· 1 月前 ·
坐怀不乱的丝瓜 · 富文本编辑器Quill支持复制粘贴文字图片 ...· 3 月前 ·
憨厚的钥匙 · 欧空局将发射航天器监测太阳风暴· 8 月前 ·
欢快的冰淇淋 · 矩阵的秩· 1 年前 ·
PuLP 有一些辅助函数，允许用户查询哪些求解器可用，并从其名称初始化一个求解器。
import pulp as pl
solver_list = pl.listSolvers()
print(solver_list)
# ['GLPK_CMD', 'PYGLPK', 'CPLEX_CMD', 'CPLEX_PY', 'CPLEX_DLL', 'GUROBI', 'GUROBI_CMD', 'MOSEK', 'XPRESS', 'PULP_CBC_CMD', 'COIN_CMD', 'COINMP_DLL', 'CHOCO_CMD', 'MIPCL_CMD', 'SCIP_CMD']
如果传递了 onlyAvailable=True 参数，PuLP 会列出当前可用的求解器:
import pulp as pl
solver_list = pl.listSolvers(onlyAvailable=True)
print(solver_list)
# ['GLPK_CMD', 'CPLEX_CMD', 'CPLEX_PY', 'GUROBI', 'GUROBI_CMD', 'PULP_CBC_CMD', 'COIN_CMD']
此外，还可以通过使用求解器的名称来获取求解器对象。传递给此函数的任何参数都会传递给构造函数：
import pulp as pl
solver = pl.getSolver('CPLEX_CMD')
solver = pl.getSolver('CPLEX_CMD', timeLimit=10)
在接下来的章节中，我们将解释如何配置一个求解器以便PuLP可以访问。
什么是环境变量
环境变量可能在 其他地方 有更好的解释。为了本文档的目的，它是一个在你的会话期间存储的文本值，允许你配置一些使用它们的应用程序。例如，当你写:
python
在命令行中，它通常会打开一个Python控制台。但是你的电脑是如何知道在哪里找到Python的呢？它知道是因为有一个名为“PATH”的环境变量，它存储了你硬盘上的一系列位置，你的电脑会在这些位置查找与你输入的内容匹配的可执行文件。
它有许多优点，例如在电脑上不留任何痕迹，并且具有相当好的跨平台性，以及其他许多优点。
PuLP 集成（API）到求解器的类型
API 意为“应用程序编程接口”。PuLP 通常有几种方式连接到求解器。根据连接求解器的方式，配置连接可能会有所不同。我们可以将集成总结为两大类：
使用求解器的命令行界面。
使用求解器的Python库。
并非所有求解器都有Python库，但大多数都有命令行接口。如果你想知道自己使用的是哪一个，这很简单。如果求解器API的名称以``CMD``结尾（例如``PULP_CBC_CMD``、CPLEX_CMD、``GUROBI_CMD``等），那么它是前者。否则，它是后者。
配置求解器路径
为了让 PuLP 能够通过 CMD API 使用求解器，求解器需要通过命令行由 PuLP 执行。为此，需要以下两种情况之一：
用户将求解器的路径传递给求解器初始化。
用户已将 PATH 环境变量配置为求解器所在的目录。
我们将在Windows上为CPLEX做示例，但这个想法对其他求解器和其他操作系统也是一样的。
这两个选项都意味着要知道求解器的位置。所以我们首先要去电脑中查找它。我的在 C:\Program Files\IBM\ILOG\CPLEX_Studio128\cplex\bin\x64_win64\cplex.exe。
想象使用 CPLEX_CMD 求解器，第一个非常简单：
path_to_cplex = r'C:\Program Files\IBM\ILOG\CPLEX_Studio128\cplex\bin\x64_win64\cplex.exe'
import pulp as pl
model = pl.LpProblem("Example", pl.LpMinimize)
solver = pl.CPLEX_CMD(path=path_to_cplex)
_var = pl.LpVariable('a')
_var2 = pl.LpVariable('a2')
model += _var + _var2 == 1
result = model.solve(solver)
唯一要做的事情是查找 ‘cplex.exe’ 文件（如果你在 Windows 上，对于 Linux 和 Mac 则查找 ‘cplex’ 文件），并将绝对路径传递给求解器。
第二个稍微麻烦一点，但每台机器只需做一次。你需要配置 PATH 环境变量，使其包含 C:\Program Files\IBM\ILOG\CPLEX_Studio128\cplex\bin\x64_win64 目录的路径。
以下是一个关于编辑环境变量的随机指南：Windows 和 Linux 或 Mac。其理念是，一旦正确配置，你就可以忘记它（直到你更换电脑或求解器版本）。
一旦我们完成了那一步，我们只需做一些与前一个示例非常相似的事情：
import pulp as pl
model = pl.LpProblem("Example", pl.LpMinimize)
solver = pl.CPLEX_CMD()
_var = pl.LpVariable('a')
_var2 = pl.LpVariable('a2')
model += _var + _var2 == 1
result = model.solve(solver)
唯一的区别是我们不需要告诉 PuLP 求解器的位置。系统会像上面的 python 示例一样，使用 PATH 环境变量找到它。太神奇了！
每个求解器的附加环境变量
有时，仅提供求解器的路径是不够的。这可能是因为求解器需要知道其他文件的位置（运行时将使用的动态库），或者 PuLP API 需要导入一些与求解器一起部署的特定 Python 包（对于那些没有以 _CMD 结尾的求解器）。
无论出于什么原因，安全总比后悔好，这意味着要知道哪些变量通常被哪个求解器使用。以下是每个求解器所需的必要环境变量。该过程与我们使用 PATH 变量的做法非常相似：有时你需要编辑现有的环境变量，有时你需要创建一个新的环境变量。为了看起来明确，我将使用我自己的变量路径，但你将不得不将它们适应到你的实际路径（例如，如果求解器的版本不同）。我将使用我的 Linux 路径，因为这仅仅意味着复制我的 ~.bashrc 文件的最后一行。我已经将它们适应到 Windows 命令行，但最好是通过 Windows 的 GUI 来编辑它们。
CPLEX
Linux / Mac: 将以下行添加到 ~.bashrc（或 ~.profile 或 /etc/profile 或 /etc/bash.bashrc）文件中:
export CPLEX_HOME="/opt/ibm/ILOG/CPLEX_Studio128/cplex"
export CPO_HOME="/opt/ibm/ILOG/CPLEX_Studio128/cpoptimizer"
export PATH="${PATH}:${CPLEX_HOME}/bin/x86-64_linux:${CPO_HOME}/bin/x86-64_linux"
export LD_LIBRARY_PATH="${LD_LIBRARY_PATH}:${CPLEX_HOME}/bin/x86-64_linux:${CPO_HOME}/bin/x86-64_linux"
export PYTHONPATH="${PYTHONPATH}:/opt/ibm/ILOG/CPLEX_Studio128/cplex/python/3.5/x86-64_linux"
Windows：添加以下环境变量（通过命令行或图形用户界面）:
set CPLEX_HOME=C:/Program Files/IBM/ILOG/CPLEX_Studio128/cplex
set CPO_HOME=C:/Program Files/IBM/ILOG/CPLEX_Studio128/cpoptimizer
set PATH=%PATH%;%CPLEX_HOME%/bin/x64_win64;%CPO_HOME%/bin/x64_win64
set LD_LIBRARY_PATH=%LD_LIBRARY_PATH%;%CPLEX_HOME%/bin/x64_win64;%CPO_HOME%/bin/x64_win64
set PYTHONPATH=%PYTHONPATH%;/opt/ibm/ILOG/CPLEX_Studio128/cplex/python/3.5/x64_win64
GUROBI
Linux / Mac: 将以下行添加到 ~.bashrc（或 ~.profile 或 /etc/profile 或 /etc/bash.bashrc）文件中:
export GUROBI_HOME="/opt/gurobi801/linux64"
export PATH="${PATH}:${GUROBI_HOME}/bin"
export LD_LIBRARY_PATH="${LD_LIBRARY_PATH}:${GUROBI_HOME}/lib"
Windows：添加以下环境变量（通过命令行或图形用户界面）:
set GUROBI_HOME=/opt/gurobi801/linux64
set PATH=%PATH%;%GUROBI_HOME%/bin
set LD_LIBRARY_PATH=%LD_LIBRARY_PATH%;%GUROBI_HOME%/lib
配置CMD求解器写入临时文件的位置
在使用命令行（再次强调，那些以 CMD 结尾的）的求解器API的情况下，有时用户希望控制文件的写入位置。有很多选项可供选择。
默认情况下，PuLP 不会保留中间文件（*.mps, *.lp, *.mst, *.sol），它们会被写入操作系统的临时目录中。PuLP 会按顺序查找 TEMP、TMP 和 TMPDIR 环境变量来写入文件。使用后，PuLP 会删除这些文件。如果在求解前更改了这些环境变量中的任何一个，您应该能够选择希望 PuLP 将结果写入的位置。
import pulp as pl
model = pl.LpProblem("Example", pl.LpMinimize)
_var = pl.LpVariable('a')
_var2 = pl.LpVariable('a2')
model += _var + _var2 == 1
solver = pl.PULP_CBC_CMD()
result = model.solve(solver)
另一个选项是向求解器传递参数 keepFiles=True。使用此选项，求解器会在当前目录中创建文件，并且这些文件不会被删除（尽管如果你重新执行，它们会被覆盖）。
import pulp as pl
model = pl.LpProblem("Example", pl.LpMinimize)
_var = pl.LpVariable('a')
_var2 = pl.LpVariable('a2')
model += _var + _var2 == 1
solver = pl.PULP_CBC_CMD(keepFiles=True)
result = model.solve(solver)
最后，可以在实际求解之前手动编辑求解器对象的 tmpDir 属性。
import pulp as pl
model = pl.LpProblem("Example", pl.LpMinimize)
_var = pl.LpVariable('a')
_var2 = pl.LpVariable('a2')
model += _var + _var2 == 1
solver = pl.PULP_CBC_CMD()
solver.tmpDir = 'PUT_SOME_ALTERNATIVE_PATH_HERE'
result = model.solve(solver)
要使此求解器工作，唯一的选择是安装与 gurobi 安装一起提供的 python 包。
按照我的安装路径，它将是（Linux）:
cd /opt/gurobi801/linux64/
sudo python3 setup.py install
如你所见，安装它需要管理员权限。
使用特定求解器的功能
为了访问此功能，用户需要使用 PuLP 问题中包含的求解器对象。PuLP 使用问题对象上的 solverModel 属性。当执行 buildSolverModel() 方法时，此属性被创建并填充。
例如，使用 CPLEX_PY API，我们可以在求解完成后访问api对象：
import pulp
x = pulp.LpVariable('x', lowBound=0)
prob = pulp.LpProblem('name', pulp.LpMinimize)
prob += x
solver = pulp.CPLEX_PY()
status = prob.solve(solver)
# you can now access the information from the cplex API python object
prob.solverModel
此外，您可以在求解之前通过使用较低级别的方法访问python api对象：
import pulp
x = pulp.LpVariable('x', lowBound=0)
prob = pulp.LpProblem('name', pulp.LpMinimize)
prob += x
solver = pulp.CPLEX_PY()
solver.buildSolverModel(prob)
# you can now edit the object or do something with it before solving
# for example, load a MIP_START file for CPLEX_PY:
solver.solverModel.MIP_starts.read(SOME_MST_FILE)
# the, you can call the solver to solve the problem
solver.callSolver(prob)
# finally, you fill the PuLP variables with the solution
status = solver.findSolutionValues(prob)
关于如何使用 solverModel 的更多信息，需要根据所使用的求解器查阅官方文档。
导入和导出求解器
导出一个求解器可能有助于备份用于求解模型的配置。
为了导出它，可以将其导出为字典或json文件:
import pulp
solver = pulp.PULP_CBC_CMD()
solver_dict = solver.toDict()
返回的字典结构非常简单:
{'keepFiles': 0,
 'mip': True,
 'msg': True,
 'options': [],
 'solver': 'PULP_CBC_CMD',
 'timeLimit': None,
 'warmStart': False}
也可以直接将其导出到json文件:
solver.toJson("some_file_name.json")
为了导入它，需要执行:
import pulp
solver = pulp.getSolverFromDict(solver_dict)
或从文件中:
import pulp
solver = pulp.getSolverFromJson("some_file_name.json")
对于json，我们使用基础的 json 包。但如果 ujson 可用，我们会使用它，以便导入/导出可以非常快。