python线性整数规划求解_CVXOPT：求解一个简单的整数线性规划程序
我使用CVXOPT来解决一个非常简单的问题：min -7890424934354.171875*x1 -7890424934354.274414*x2 -7890424934354.246093*x3
s.t:
x1 + x2 + x3 = 1
x1,x2,x3 are binary
我们可以看出，最优解显然应该是：
^{pr2}$
然而，使用CVXOPT的ILP时，我没有得到正确的答案(我知道上面的问题太简单了，无法使用ILP，但我只是好奇)。关于CVXOPT的ILP的详细描述是here。在
我的程序是这样的：from cvxopt.glpk import ilp
from cvxopt import matrix
c = matrix([-7890424934354.171875,-7890424934354.274414,-7890424934354.246093],tc='d')
G = matrix(0.0, (1,3)) #since I do not have a constraint like G*x <= h, I make them zeros here
h = matrix(0.0, (1,1))
A = matrix([1,1,1],tc='d')
b = matrix(1,tc='d')
(status, x) = ilp(c,G,h,A.T,b,B=set([0,1,2]))
结果是：GLPK Integer Optimizer, v4.61
2 rows, 3 columns, 3 non-zeros
3 integer variables, all of which are binary
Preprocessing...
1 row, 3 columns, 3 non-zeros
3 integer variables, all of which are binary
Scaling...
A: min|aij| = 1.000e+00 max|aij| = 1.000e+00 ratio = 1.000e+00
Problem data seem to be well scaled
Constructing initial basis...
Size of triangular part is 1
Solving LP relaxation...
GLPK Simplex Optimizer, v4.61
1 row, 3 columns, 3 non-zeros
* 0: obj = -7.890424934e+12 inf = 0.000e+00 (0)
OPTIMAL LP SOLUTION FOUND
Integer optimization begins...
+ 0: mip = not found yet >= -inf (1; 0)
+ 0: >>>>> -7.890424934e+12 >= -7.890424934e+12 0.0% (1; 0)
+ 0: mip = -7.890424934e+12 >= tree is empty 0.0% (0; 1)
INTEGER OPTIMAL SOLUTION FOUND
optimal
[ 0.00e+00]
[ 0.00e+00]
[ 1.00e+00]
不会返回最优解。在
但如果我把目标函数改为-171875*x1-274414*x2-246093*x3，我就能得到正确的答案：x1=0，x2=1，x3=0。在
我真的很困惑为什么会这样：
我首先猜测了像-7890424934354.171875这样的浮点值在传递给ILP时是否会失去精度，但似乎这不是原因所在。在
另一个猜测是，如果我没有G*x<；=h这样的约束，我就不应该生成G和h零。但是如果我想在G和h为空时使用ILP，因为它需要G: mxn dense or sparse 'd' matrix with m>=1
如果有什么建议，我将不胜感激。提前致谢。在