在运筹学与数学优化领域，IBM ILOG CPLEX Optimization Studio（简称CPLEX）因其强大的求解能力而被广泛应用于生产调度、供应链优化、金融风险管理等场景。然而，许多用户在编写OPL（Optimization Programming Language）模型时，常会遇到一个棘手的问题：当目标函数中出现两个连续决策变量的乘积时，该如何正确建模并求解？近日，多位运筹优化领域的专家围绕这一技术难点，分享了多种行之有效的解决方案。

问题背景：非线性带来的挑战

在标准的线性规划（LP）或混合整数线性规划（MILP）中，决策变量之间的乘积关系会引入非线性，导致模型无法直接使用CPLEX默认的单纯形法或内点法求解。例如，在一家制造企业的成本最小化模型中，总成本可能同时受到生产量（变量x）和单位能耗（变量y）的影响，如果能耗与产量之间存在线性关系，目标函数便形如 minimize sum(t * x * y)，其中t为常量。此时，x*y 这一双线性项成为建模难点。

“很多初学者会试图直接将乘积写入目标函数，然后惊讶地发现CPLEX报错‘不支持的表达式类型’。” 北京某高校运筹学教授李明（化名）在技术社区中解释道，“但好在CPLEX具备处理二次目标函数的能力，关键在于正确识别问题的数学性质。”

方案一：利用CPLEX的二次规划（QP）或二次约束规划（QCP）

CPLEX原生支持求解目标函数中包含二次项的问题，只要其满足凸性条件。在OPL中，用户可以直接使用 x * y 的写法，但需要确保：

  1. 模型声明为二次规划：在 execute 块或模型文件中，通过设置 cplex.intsollim=0 等参数让求解器识别为QP。
  2. 二次项系数矩阵必须正定或负定（针对极小化或极大化问题），否则可能陷入局部最优。

例如，极小化形如 minimize a*x^2 + b*x*y + c*y^2 的目标函数时，若二阶偏导数矩阵半正定，CPLEX可调用内点法高效求解。专家提醒，用户应在模型文件中使用 subject to 块定义约束时，避免在约束中出现双线性项，否则需要升级为二次约束规划（QCP）。

方案二：通过变量替换实现线性化

当双线性项导致非凸性时，直接使用QP可能失效。此时，一种经典的线性化技巧是引入新变量替换乘积。具体做法为：

  • 若两个变量均为连续且有界（如 (0 \le x \le X_{\max}, 0 \le y \le Y_{\max})），可定义新变量 (z = x \cdot y)。
  • 利用McCormick包络（McCormick Envelope）构造一组线性约束来逼近 (z) 的可行域： [ z \ge 0, \quad z \le X_{\max} \cdot y, \quad z \le Y_{\max} \cdot x, \quad z \ge X_{\max} \cdot y + Y_{\max} \cdot x - X_{\max} Y_{\max} ]
  • 在目标函数中用 (z) 替代乘积项。

“这种方法虽然会引入松弛，但能保证模型保持线性，适用于大规模问题。” IBM CPLEX官方文档示例中，曾使用该技巧处理仓储优化中的库存持有成本计算，将原本非线性的目标转化为LP问题，求解速度提升数倍。

方案三：分段线性近似与特殊有序集（SOS2）

如果两个变量的乘积关系需要通过更精确的逼近，且模型可接受一定误差，分段线性近似是另一常用策略。用户可将其中一个变量的取值范围离散化，为每个分段引入SOS2变量（特殊有序集类型2），将双线性项转化为多个线性项的和。此法在金融衍生品定价、能源系统优化中应用广泛。

“实际上，很多实际场景并不需要精确的乘积值。” 某国际咨询公司高级分析师张薇（化名）表示，“例如在投资组合优化中，资产收益率与权重的乘积可用历史数据线性拟合，分段处理既保持求解效率，又满足精度要求。”

实操建议：从模型诊断开始

对于初次遇到该问题的用户，专家建议按以下步骤排查：

  1. 检查目标函数类型：在OPL模型文件中，使用 minimize 或 maximize 关键字后，确认乘积项是否被CPLEX识别为二次表达式（可在 .mod 文件中尝试 dvar float x; dvar float y; minimize x*y; 测试）。
  2. 利用CPLEX日志：运行模型时观察求解器日志，如出现“QP Hessian is not positive definite”提示，说明需调整模型凸性。
  3. 考虑混合整数方案：若其中一个变量可被离散化（如产量只能取整数值），可将其声明为整数变量，此时乘积项可通过标准线性化技术（如大M法）处理。

未来展望：非线性优化的普及

随着机器学习与运筹学融合加深，目标函数中连续变量乘积的出现频率越来越高。CPLEX 12.10及更高版本已增强对二次规划的支持，并提供了Concert Technology、C++/Java/Python API等多种接口，允许用户自定义非线性回调函数。社区中，IBM官方也在不断更新OPL教程，建议用户关注“CPLEX QP Example”相关案例。

“不要害怕非线性，CPLEX的求解能力远超想象。” 李明教授总结道，“关键是要理解你的模型属于哪一类——凸的还是非凸的，然后对症下药。线性化技巧、二次规划求解或分段近似，总有一条路能走通。”

目前，IBM ILOG CPLEX Optimization Studio的最新版本已可从IBM官网免费下载试用版（功能受限但完整），感兴趣的读者可直接尝试建模测试。对于仍在困扰于“连续变量乘积”问题的开发者，上述方案或许能提供一剂良方。