Optimization 当达到最大时间限制时，如何使用glpk（线性规划）获得最佳可行解-python pyomo

我正在研究一个线性规划问题，其中我的决策变量是非负实数，还有其他二元决策变量，我构造它们来帮助解决我的问题（使用大M公式）。我的问题相当大，pyomo中的GLPK解算器需要一段时间（8-9小时）才能返回最优解。我尝试设置时间限制，当解算器超过时间限制时，它将结束搜索

有没有办法让我在120分钟后找到最佳可行的解决方案？也许这离最好的解决方案还有多远

我不熟悉优化和pyomo

下面是日志文件中的结束快照：

• 67794:obj=4.732767276e+04 inf=0.000e+00（18437）

• 67891:obj=4.732864652e+04 inf=0.000e+00（18392）

• 67988:obj=4.734846662e+04 inf=0.000e+00（18349）

正在删除LP扰动[68078]

• 68078:obj=4.734846662e+04 inf=0.000e+00（18285）

超过时限；搜索终止

所用时间：7220.1秒

使用内存：3983.6 Mb（417706899字节）

正在将MIP解决方案写入“..…\Temp\tmp4kp6gss9.glpk.raw”

---

写入了2590516行

这是LP日志的一部分。可能它还没有找到整数解（我们需要查看日志的其余部分）。一些可能的补救措施：确保你的内存用完了，并考虑使用不同的解决方案。谢谢你的回复。我运行了另一个迭代，在日志文件中，我看到“找到了最优LP解决方案”，然后看到“超过了时间限制；搜索终止”（因为我已经给出了时间限制）。日志结尾写道：“将MIP解决方案写入“…\AppData\Local\Temp\tmpkzj4m2pt.glpk.raw”…写入了1554316行”。但我在目录中没有看到任何文件。本质上，我希望看到它在遇到时间限制时能够找到的最佳可行解。我仍然怀疑解算器尚未找到整数解。最优LP解很可能是与根节点相关的分数解。通常，是否有任何方法检索找到的最佳可行解？这是LP日志的一部分。可能它还没有找到整数解（我们需要查看日志的其余部分）。一些可能的补救措施：确保你的内存用完了，并考虑使用不同的解决方案。谢谢你的回复。我运行了另一个迭代，在日志文件中，我看到“找到了最优LP解决方案”，然后看到“超过了时间限制；搜索终止”（因为我已经给出了时间限制）。日志结尾写道：“将MIP解决方案写入“…\AppData\Local\Temp\tmpkzj4m2pt.glpk.raw”…写入了1554316行”。但我在目录中没有看到任何文件。本质上，我希望看到它在遇到时间限制时能够找到的最佳可行解。我仍然怀疑解算器尚未找到整数解。最优LP解很可能是一个与根节点相关的分数解。一般来说，有没有办法检索找到的最佳可行解？