R 迭代寻找线性/二元规划问题的最佳k解

我正在解决一个最大化二进制规划问题（二进制规划与整数规划相同，但解决方案是0和1的向量）。我想找出最好的10个解决方案。我不是指所有10个目标函数值都必须相等的10个最佳解，而是：我希望第一个解是给定约束条件下的最优解；我希望第二个解决方案是最优的，如果第一个解决方案被排除；如果排除第一个和第二个解决方案，则第三个解决方案必须是最优的，依此类推

我在R中使用lpSolve包，它只提供单一的最佳解决方案。因此，我编写了一个脚本，试图迭代地找到最佳的k解决方案，如下所示：

for (j going from 1 to k){
  (1) given the set of constraints, find the best solution, and record it
  (2) add a new constraint (such that the solution found in (1) is invalid) to the set of constraints
}

我的脚本重复

（1）

和

（2）

k次，并报告k个解以及每个k个解的目标函数值

现在，我的问题是： 根据我的理解，对于最大化问题，第j个解的目标值必须始终小于或等于第（j-1）个解（对吗？），即目标值必须单调递减，因为第j个解和第（j-1）个解满足所有相同的约束，除了第j个解必须满足（j-1）个解不一定满足的附加约束之外

然而，我的脚本并非如此。肯定有下降趋势，但目标值不是单调递减的。以下是目标值与k的图表：

我想知道：LPS的问题解决了吗？我的脚本有问题吗？目标函数值应该是单调递减还是我的理解有偏差

---

更新：我成功地在另一个lpSolve接口中为R、lpSolveAPI复制了所描述的过程，并得到了预期的单调递减图。所以我认为lpSolve是有问题的

因此，通过一个API而不是另一个API，您成功地获得了预期的单调递减行为。这向我表明，要么是其中一个API有问题，要么是您如何使用其中一个API实现您的过程有问题，而不是lpSolve本身有问题。因此，您成功地通过一个API获得了预期的单调递减行为，而不是另一个API。这向我表明，要么是其中一个API存在问题，要么是您如何使用其中一个API实现您的过程，而不是lpSolve本身存在问题。