在python中获得GLPK solver为LP计算的前10个次优解
我正在尝试使用GLPK解决LP问题。我的问题是计算机网络中的路由问题。给定网络拓扑和每个链路容量以及网络中每个源-目的地对的流量需求矩阵,我希望最小化网络中的最大链路利用率。这是一个LP问题,我知道如何使用GLPK获得最佳解决方案 我的问题是我也想得到次优解。有什么方法可以让我得到GLPK的前10个次优解决方案吗 最佳对于纯LP(只有连续变量),找到“次优”解的概念非常困难(只要移开一个ε,就有另一个解)。我们可以用不同的定义:找到“下一个最佳”的角点(也称为基准)。这并不是那么容易做到,但是有一种比较复杂的方法,使用二进制变量()对基进行编码 如果问题实际上是一个MIP(带有二进制变量),则更容易找到“次优”解决方案。一些高级解算器为此内置了工具(称为:解决方案池)。注意:glpk没有此选项。或者,我们也可以通过添加一个禁止找到最佳解决方案的剪切来实现这一点,然后解析()。在本例中,我们利用了一些结构。导出了0-1变量的一般割集。对于一般的整数变量也可以这样做,但是事情会变得有点混乱在python中获得GLPK solver为LP计算的前10个次优解,python,routes,linear-programming,glpk,network-traffic,Python,Routes,Linear Programming,Glpk,Network Traffic,我正在尝试使用GLPK解决LP问题。我的问题是计算机网络中的路由问题。给定网络拓扑和每个链路容量以及网络中每个源-目的地对的流量需求矩阵,我希望最小化网络中的最大链路利用率。这是一个LP问题,我知道如何使用GLPK获得最佳解决方案 我的问题是我也想得到次优解。有什么方法可以让我得到GLPK的前10个次优解决方案吗 最佳对于纯LP(只有连续变量),找到“次优”解的概念非常困难(只要移开一个ε,就有另一个解)。我们可以用不同的定义:找到“下一个最佳”的角点(也称为基准)。这并不是那么容易做到,但是有