GLPK/建模上下限
< GLPK
GLPK 预处理器（截至版本 4.45）无法消除或合并重复的行。1 因此，为了减少行数并因此减少求解时间，应该手动合并线性相关的约束方程。例如
s.t. c1 : x + 2 * y <= 4; s.t. c2 : 2 * x + 4 * y >= 3;
可以替换为
s.t. c3 : 1.5 <= x + 2 * y <= 4;
在优化变量上设置下限和/或上限，可以在定义时设置，也可以通过专用约束来实现。请注意，MathProg 中的变量是无界的，除非随后被限定或限制（与它们的 API 对应物不同，它们默认情况下为零）。
可以使用专用约束轻松实现变量上的界限。
例如，一个斜坡变量，对称地受max_ramp_rate参数
param max_ramp_rate;
var ramp {I};
s.t. upper_feasible_ramp_rate {i in I}: ramp[i] <= max_ramp_rate;
s.t. lower_feasible_ramp_rate {i in I}: ramp[i] >= −max_ramp_rate;
预处理器将自动消除仅包含一个变量的约束，并使用该信息来收紧该变量的界限——但在求解时，该过程会反转，并且原始约束的主值和对偶值将被适当地确定。或者，如果没有部署预处理器，建议至少将双约束减少到单个约束，以减少模型大小。上面的例子可以改写为
param max_ramp_rate;
var ramp {I};
s.t. feasible_ramp_rate {i in I}: −max_ramp_rate <= ramp[i] <= max_ramp_rate;
变量上的界限也可以在定义所述变量时设置。这通常是建模此类限制的首选方法。
因此，前面的斜坡率示例可以实现为
param max_ramp_rate;
var ramp {I}, >= −max_ramp_rate, <= max_ramp_rate;
两种方法的性能差异对于小型模型来说微不足道，但对于大型模型来说可能很重要。下表总结了每种方法的相对优势
| 专用约束 | 变量界限 |
|---|---|
|
|