HiGHS v1.10.0版本发布：混合整数线性规划求解器的重要更新

HiGHS是一款开源的线性规划(LP)和混合整数线性规划(MIP)求解器，由英国爱丁堡大学开发团队维护。作为一款高性能的数学优化工具，HiGHS支持多种求解算法，包括单纯形法、内点法和PDLP算法，广泛应用于运筹学、工业优化和学术研究领域。本次发布的v1.10.0版本带来了多项重要改进和新功能，显著提升了求解器的性能、稳定性和用户体验。

构建与代码质量改进

本次更新在构建系统和代码质量方面进行了多项优化。首先引入了代码覆盖率报告功能，帮助开发者更好地了解测试覆盖情况，从而提高代码质量。其次，项目将命令行参数解析库从cxxopts替换为CLI11，这一变更移除了对C++17的依赖，使得HiGHS能够在更广泛的编译环境中使用。

线性规划求解增强

新版本对线性规划求解器进行了多项重要改进。其中最具代表性的是IPM(内点法)求解器现在能够正确处理LP模型中的偏移量(offset)，并在日志记录和原始/对偶目标值计算中使用这一信息。此外，当调用Highs::run()时存在有效基时，除非明确指定使用单纯形法或选择算法(此时如果有高级基将优先选择单纯形法)，否则不会跳过预处理阶段。

在预处理方面，修复了一个当HighsMatrixSlice中的指针因系数矩阵重新分配(例如在HPresolve::addToMatrix中添加非零元素时)而失效的bug。同时，当预处理后的LP模型状态为kUnknown时，系统不再直接向用户返回此状态，而是执行后处理，然后利用基来求解原始LP，这一改进显著提升了求解的可靠性。

矩阵存储与访问优化

新版本对约束矩阵的存储和访问进行了重要优化。Highs::getCols和Highs::getRows方法现在能够在内部约束矩阵分别按列或行存储时以线性时间运行。为此，新增了ensureColwise和ensureRowwise方法到Highs类、C API和highspy中，允许用户设置内部约束矩阵的存储方向，这一改进对于处理大规模稀疏矩阵特别有利。

基管理改进

在基管理方面，当从当前LP中删除列和行时，HiGHS不再使基无效，而是维护剩余变量和约束的基本和非基本状态。当重新求解模型时，这些信息被用来构建起始基，这一改进显著减少了重复求解时的计算开销。此外，新版本还修复了原始/对偶射线记录中的bug，提高了求解过程的稳定性。

命令行与用户接口增强

新版本对命令行接口进行了多项改进。命令行解析现在完全使用C++11代码实现，移除了对第三方库的依赖。运行时默认选项值的变更现在会被报告，提高了用户友好性。新增了命令行标志来从文件读取基和将基写入文件，方便用户保存和重用求解状态。

混合整数规划(MIP)功能增强

在MIP求解方面，v1.10.0引入了重要新功能。新增了回调机制，允许用户在MIP求解器执行期间提供整数可行解，这一功能对于结合特定领域知识的启发式方法特别有用。同时修复了MIP求解器中原始启发式算法的bug，提高了整数解的质量。

特别值得注意的是，新版本实现了Achterberg等人在《Presolve Reductions in Mixed Integer Programming》中描述的探测提升(lifting for probing)技术。虽然默认不启用，但通过mip_lifting_for_probing选项可以选择使用这一技术，并提供两种修改级别，这一功能可以显著提升某些MIP问题的求解效率。

GPU支持与算法更新

v1.10.0版本还包含了来自cuPDLP-C的更新，并新增了对GPU的支持。这一改进使得HiGHS能够利用现代计算硬件的并行计算能力，特别是对于大规模线性规划问题，有望获得显著的性能提升。

总结

HiGHS v1.10.0版本在算法实现、性能优化和用户体验等方面都做出了重要改进。从基管理的增强到MIP求解器的功能扩展，从预处理阶段的稳定性提升到GPU支持的引入，这些更新使得HiGHS成为一个更加强大和可靠的数学优化工具。特别是新增的探测提升技术和用户回调机制，为处理复杂的混合整数规划问题提供了新的可能性。这些改进将进一步巩固HiGHS在开源优化求解器领域的地位，为学术研究和工业应用提供更强大的支持。