CPLEX

解答动态

• 

  增广$\varepsilon$-约束方法旨在生成双目标（或多目标）优化问题的所有非支配结果向量，而字典优化方法则是针对双目标（或多目标）问题生成一个特定的非支配结果向量。所以这完全取决于你想要什么实现。给定词典最优解是许多有效解中的一个，我们应该预料到，使用$\varepsilon$约束方法生成所有有效解在计算上比仅仅找到词典最优解要困难得多最佳。到明确回答最后一个问题：a）给出一个解，b）给出一组解。
  
• 

  正如Sune所指出的，$\epsilon$-约束方法无法与CPLEX相比，因为它能找到所有Pareto有效解。如果您认为选项2是通过优化最高优先级的目标、将其约束为最优、优化下一个最高优先级的目标等（与$\epsilon$-constraint方法类似但不相同）来寻找词典优化，那么我希望CPLEX的版本更有效。
  免责声明：下面是什么是猜测，因为我不知道CPLEX的内部工作原理。CPLEX维护着一个解决方案库（可行但不一定是沿途遇到的最佳解决方案）。只有当解决方案在词汇上被一个新的解决方案所支配时，才从池中删除解决方案，它实际上可以在每个后续目标上取得领先（将具有该目标最佳价值的池解决方案作为一个现任者）。此外，它还可以修改修剪节点的规则，以便仅当边界严格低于最高优先级目标的最佳已知值时，才修剪节点。如果不修剪绑定最为已知值的节点（或从当前搜索树中删除节点并将其添加到“影”树中以供以后搜索），则允许它在完成第一个目标的优化后返回，搜索与第一个目标的最优值相匹配的节点，并在第二个（或随后的）目标上进行改进，而不必遍历原始搜索树中被排除的部分。
  
• End