问题描述
我目前解决了一个（整数）LP问题，除其他外，它具有以下数学约束作为伪代码。
Packages_T1 + Packages_T2 + Packages_T3 + RPackages = 25
它代表三个包装车（T1，T2和T3），可以为每个包装车分配包装，还有目标功能中使用的剩余/溢出包装变量。当前值25表示总包装需求。
让我们说我想重新解决这个问题，但是将当前的25个包装需求更改为35个包装。当我从带有25个软件包的以前的解决方案开始时，CPLEX错误指出所提供的解决方案不可行：这很有意义。但是，即使最直接的方法是针对这些约束中的每一个“ {” RPackages变量”，它也随后无法修复先前的解决方案。
我的问题是，是否有可能仍然使用先前解决的问题中的信息作为新问题的热启动。例如，是否有办法从解决方案中删除所有RPackages并重新计算它们以适合右侧的新约束？我想到的“不得已”的工作是手动重新计算所有这些RPackages值，然后将它们替换为旧的解决方案，但更倾向于此问题的自动化解决方案。我正在使用标准的CPLEX Python API作为参考。
谢谢。
解决方法
即使暖启动不可行，CPLEX仍可以使用一些信息。
让我使用来自的动物园示例
https://www.linkedin.com/pulse/making-optimization-simple-python-alex-fleischer/
#include<stdio.h>
#include<math.h>
int main () {
double a = pow(2,99);
printf ("%lf\n",a);
return 0;
}给予
633825300114114700748351602688.000000