or-solver

name	or-solver
description	Unified solver detection, installation, selection, and license configuration for OR optimization skills (LP, MIP, SOCP). One-stop solver management: detect installed packages, install missing solvers with proper priority, select the best available solver by problem type, and troubleshoot common errors. Covers 20 solvers across commercial (COPT, Gurobi, MOSEK, CPLEX) and open-source (HiGHS, SCIP, CLARABEL, CBC, ECOS, SCS, etc.). Use when the LP, MIP, or SOCP skill needs to set up a solver environment, or when the user asks about solver installation, solver comparison, license setup, or solver selection.
metadata	{"author":"李爽夕"}

运筹优化求解器统一配置

适用场景

本 skill 为以下运筹优化 skill 提供统一的求解器检测、安装与选择：

• LP（线性规划）→ ../linear-programming/SKILL.md
• MIP（混合整数规划）→ ../mixed-integer-programming/SKILL.md
• SOCP（二阶锥规划）→ ../second-order-cone-programming/SKILL.md

当 LP / MIP / SOCP skill 在 Quick Start 第一步需要做环境准备时，应调用本 skill 的检测与安装流程，而非各自维护独立的求解器管理代码。

Quick Start（求解器环境准备）

核心原则：先检测，再分类，后规划。不做任何预设。

flowchart TD
  DETECT["Step 1: pip list 检测所有包"]
  DETECT --> DONE{" "}
  DONE --> COMM{"商业求解器已安装？"}
  COMM -->|是| LIC["逐个验证 License"]
  LIC --> SELECT["Step 2: 综合已安装的商业 + 开源，按优先级选择"]
  COMM -->|否| SELECT
  SELECT --> AVAIL{"有可用求解器？"}
  AVAIL -->|有| SOLVE["求解"]
  AVAIL -->|无| INSTALL["Step 3: pip install 安装开源求解器（需询问用户）"]
  INSTALL --> SOLVE

Step 1：统一检测

执行以下命令，一次性检测所有求解器包：

pip list | findstr -i "coptpy gurobipy mosek cplex pyscipopt highspy clarabel pulp mip ortools ecos scs cvxopt cosmo osqp swiglpk scipy lpsolve55 numpy cvxpy"

Unix 下将 findstr -i 替换为 grep -iE。

检测后，将结果分为两类：

类别	包含包
商业求解器（需 License）	coptpy, gurobipy, mosek, cplex
开源求解器（无需 License）	scipy, highspy, pulp, cvxpy, clarabel, ecos, scs, cvxopt, cosmo, osqp, pyscipopt, mip, ortools, swiglpk, lpsolve55
基础依赖	numpy

Step 2：分类验证 + 选择

2a. 验证商业求解器 License（仅对已安装的）

检测到哪些商业求解器，就逐一验证哪些。不做"大概率没有"的预设——用户设备上有什么就验证什么。

对每个已安装的商业求解器，通过实际创建模型来验证 License（不能只看包是否可导入）：

求解器	License 验证方式
COPT	import coptpy as cp; cp.Envr().createModel("_t") — 抛异常则 License 缺失
Gurobi	import gurobipy as gp; gp.Model("_t") — 抛异常则 License 缺失（注意：v13+ 自带受限 License，通常无需额外配置）
MOSEK	通过 cvxpy 调用 prob.solve(solver=cvx.MOSEK) — 裸 mosek.Env() 可能走试用许可，但 cvxpy 调用必须要有正式 mosek.lic 文件
CPLEX	通过 cvxpy 调用 prob.solve(solver=cvx.CPLEX) — v22.1+ 自带学术 License

验证结果：

• License 有效 → 该求解器标记为可用
• License 缺失 → 告知用户如何申请（详见「License 配置」节），将该求解器标记为不可用，继续检查其他求解器

2b. 确认问题类型

确认用户当前要解的是 LP / MIP / SOCP 中哪一类。

2c. 按优先级选择求解器

综合 Step 1 和 2a 的结果，按以下优先级表选择第一个可用的求解器。

LP 优先级：

COPT > Gurobi > MOSEK > CPLEX > scipy/HiGHS > highspy > clarabel > pulp/CBC > ecos > cvxopt > glpk > lpsolve

MIP 优先级：

COPT > Gurobi > CPLEX > MOSEK > pyscipopt/SCIP > highspy > pulp/CBC > python-mip > OR-Tools/SCIP > OR-Tools/CP-SAT > glpk > lpsolve

SOCP 优先级：

COPT > Gurobi > MOSEK > CPLEX > clarabel > ecos > scs > cvxopt > cosmo > osqp

说明：

• 优先级列表中，商业求解器排前面是因为如果用户已安装且 License 有效，其性能远超开源
• License 无效的商业求解器不参与排序
• 未安装的求解器不参与排序

Step 3：安装缺失求解器（当列表全部不可用时）

若优先级列表中没有任何可用求解器，引导用户安装开源求解器（pip install 即用，无需 License）：

pip install numpy scipy                          # 只做 LP（scipy 自带 HiGHS）
pip install numpy pulp                            # LP + MIP（PuLP 自带 CBC）
pip install numpy scipy pulp cvxpy clarabel       # LP + MIP + SOCP（全套开源）

安装前必须询问用户。 安装完成后回到 Step 2c 重新选择。

仅在以下情况考虑安装商业求解器：

• 用户明确要求（如"我想用 Gurobi"）
• 用户已有 License 并询问如何安装配置

Step 4：输出求解器报告

汇总检测与选择结果：

### 环境与依赖
- Python 版本：3.x.x
- 检测结果：
  - 商业求解器：COPT (✓ License OK) / Gurobi (✓) / MOSEK (✗ 缺 License) / CPLEX (✓) / 未检测到任何商业求解器
  - 开源求解器：[已安装] scipy x.x.x, pulp x.x.x, cvxpy x.x.x, clarabel x.x.x, ... / [未安装] ...
- 问题类型：LP / MIP / SOCP
- 选用求解器：xxx（原因：在可用求解器中优先级最高 / License 有效 / 开源零配置）

---

求解器-问题类型矩阵

求解器	包名	LP	MIP	SOCP	授权	安装命令
COPT	coptpy	✅	✅	✅	商业（学术免费）	pip install coptpy
Gurobi	gurobipy	✅	✅	✅ v11+	商业（学术免费）	pip install gurobipy
MOSEK	mosek	✅	✅	✅	商业（学术免费）	pip install mosek
CPLEX	cplex	✅	✅	✅ v20+	商业（学术免费）	pip install cplex
SCIP	pyscipopt	△	✅	❌	Apache 2.0	pip install pyscipopt
HiGHS	highspy	✅	✅	❌	MIT	pip install highspy
CLARABEL	clarabel	✅	❌	✅	Apache 2.0	pip install clarabel
CBC (PuLP)	pulp	✅	✅	❌	EPL	pip install pulp
CBC (python-mip)	mip	△	✅	❌	EPL	pip install mip
OR-Tools	ortools	✅	✅	❌	Apache 2.0	pip install ortools
ECOS	ecos	✅	❌	✅	GPLv3	pip install ecos
SCS	scs	△	❌	✅	MIT	pip install scs
CVXOPT	cvxopt	✅	❌	✅	GPLv3	pip install cvxopt
COSMO	cosmo	△	❌	✅	Apache 2.0	pip install cosmo
OSQP	osqp	✅	❌	△ QP only	Apache 2.0	pip install osqp
GLPK	swiglpk	✅	✅	❌	GPLv3	pip install swiglpk
scipy/HiGHS	scipy	✅	❌	❌	MIT	pip install scipy
SoPlex	pyscipopt	✅	❌	❌	Apache 2.0	随 SCIP 安装
lpsolve	lpsolve55	✅	✅	❌	LGPL	pip install lpsolve55
cvxpy	cvxpy	△	△	✅	Apache 2.0	pip install cvxpy

图例：✅ 完全支持 · △ 部分支持/有限支持 · ❌ 不支持

说明：

• cvxpy 不是求解器本身，而是 SOCP/LP 的统一建模接口（可用它调用 CLARABEL/ECOS/SCS 等后端）。SOCP 必装 cvxpy。
• scipy >= 1.6.0 内置 HiGHS，但 scipy.optimize.linprog 不支持整数变量。MIP 必须用 highspy 原生接口。
• SoPlex 随 pyscipopt 自动安装，是 SCIP 的默认 LP 求解器。
• OR-Tools 包含三个后端：GLOP（纯 LP）、SCIP（LP+MIP）、CP-SAT（组合优化，非标准 MIP）。
• △ 标注说明：
  • SCIP LP △：可用（内嵌 SoPlex），但不推荐专门为 LP 安装 SCIP。
  • python-mip LP △：底层 CBC 支持 LP，但接口面向 MIP 设计，纯 LP 建议用 PuLP 或 scipy。
  • COSMO LP △：ADMM 锥求解器可解 LP（LP ⊂ SOCP），但效率和精度不如 LP 专用求解器。
  • SCS LP △：一阶 ADMM 方法，仅能给出近似解，不推荐用于纯 LP。

---

安装指南

一键安装（按问题类型）

# 只做 LP（最小安装，零额外依赖）
pip install numpy scipy

# LP + MIP（覆盖最常用场景）
pip install numpy pulp

# LP + MIP + SOCP（全套开源，覆盖所有 skill）
pip install numpy scipy pulp cvxpy clarabel

# 商业求解器（需分别获取 License，详见「License 配置」节）
pip install coptpy gurobipy mosek cplex

单个求解器安装

# --- 商业求解器（需 License）---
pip install coptpy          # COPT — 国产高性能 ★ 商业首选
pip install gurobipy        # Gurobi — 业界标杆
pip install mosek           # MOSEK — 锥优化标杆
pip install cplex           # IBM CPLEX

# --- 开源推荐 ---
pip install highspy         # HiGHS (MIT) — LP/MILP 开源首选
pip install pyscipopt       # SCIP (Apache 2.0) — MIP 开源最强
pip install clarabel        # CLARABEL (Apache 2.0) — SOCP 开源首选
pip install pulp            # PuLP + CBC (EPL) — 教学首选
pip install mip             # python-mip (EPL) — CBC 现代接口
pip install ortools         # OR-Tools (Apache 2.0) — Google 出品

# --- 开源备选 ---
pip install ecos            # ECOS (GPLv3) — 嵌入式锥优化
pip install scs             # SCS (MIT) — 大规模锥优化 ADMM
pip install cvxopt          # CVXOPT (GPLv3) — 经典内点法
pip install cosmo           # COSMO (Apache 2.0) — ADMM 锥优化
pip install osqp            # OSQP (Apache 2.0) — QP 专用

# --- 系统级 / 第三方 ---
pip install swiglpk         # GLPK (GPLv3) — 需系统安装 libglpk
pip install lpsolve55       # lpsolve (LGPL) — 需系统安装 lp_solve

安装后验证

# 开源求解器（最小集）
import numpy; print(f"numpy={numpy.__version__}")
import scipy; print(f"scipy={scipy.__version__}")
from scipy.optimize import linprog; print("scipy/HiGHS OK")

# cvxpy + 可用后端
import cvxpy; print(f"cvxpy={cvxpy.__version__}, solvers={cvxpy.installed_solvers()}")

# 商业求解器（仅当已安装时验证）
# COPT   — import coptpy as cp; cp.Envr().createModel("_t"); print("COPT OK")
# Gurobi — import gurobipy as gp; gp.Model("_t"); print(f"Gurobi {gp.__version__} OK")
# MOSEK  — import cvxpy as cvx; x=cvx.Variable(1); cvx.Problem(cvx.Minimize(x),[x>=1]).solve(solver=cvx.MOSEK); print("MOSEK OK")
# CPLEX  — import cvxpy as cvx; x=cvx.Variable(1); cvx.Problem(cvx.Minimize(x),[x>=1]).solve(solver=cvx.CPLEX); print("CPLEX OK")

---

License 配置

COPT

# 从 https://www.shanshu.ai/copt 申请学术 License
# 设置环境变量指向 License 目录
export COPT_LICENSE_DIR=/path/to/copt/license
# Windows: set COPT_LICENSE_DIR=C:\path\to\copt\license

验证：

import coptpy as cp
env = cp.Envr()
# License 有效则 createModel 成功，否则抛异常
model = env.createModel("_license_check")
print("COPT license OK")

Gurobi

# Gurobi 13+ 自带受限 License（非生产用途），无需额外配置
# 若需完整学术 License：从 https://www.gurobi.com/downloads/ 注册
# 安装后运行 grbgetkey 激活
grbgetkey <your-license-key>

验证：

import gurobipy as gp
# Gurobi 13+ 可直接创建模型，license 无效时抛异常
m = gp.Model("_license_check")
print(f"Gurobi {gp.__version__} license OK")

MOSEK

# 注意：MOSEK 裸 `mosek.Env()` 可能自动激活试用许可，
# 但 cvxpy 调用 MOSEK 必须有正式 mosek.lic 文件！实际使用需申请正式 License。

# 从 https://www.mosek.com/products/academic-licenses/ 申请
# 将 mosek.lic 放入 ~/mosek/ 目录
mkdir -p ~/mosek
cp mosek.lic ~/mosek/

验证（必须通过 cvxpy 测试，因为这是实际调用路径）：

import cvxpy as cvx
x = cvx.Variable(1)
try:
    cvx.Problem(cvx.Minimize(x), [x >= 1]).solve(solver=cvx.MOSEK)
    print("MOSEK license OK (via cvxpy)")
except Exception as e:
    if 'license' in str(e).lower():
        print("MOSEK license 缺失！请从 https://www.mosek.com/products/academic-licenses/ 申请")
        print("并将 mosek.lic 放入 ~/mosek/ 目录")
    else:
        raise

CPLEX

# CPLEX 22.1+ 自带学术 License（pip install 即用）
# 若需完整商业 License：从 https://www.ibm.com/academic/ 注册 IBM Academic Initiative
pip install cplex
# 或使用 docplex 高层接口
pip install docplex

验证：

import cvxpy as cvx
# 通过 cvxpy 调用 CPLEX，license 无效时抛异常
x = cvx.Variable(1)
cvx.Problem(cvx.Minimize(x), [x >= 1]).solve(solver=cvx.CPLEX)
print("CPLEX license OK")

---

常见错误与排查

安装错误

错误信息	原因	解决
ModuleNotFoundError: No module named 'coptpy'	COPT 未安装	pip install coptpy（需 License）
ModuleNotFoundError: No module named 'gurobipy'	Gurobi 未安装	pip install gurobipy（需 License）
ModuleNotFoundError: No module named 'pulp'	PuLP 未安装	pip install pulp
ModuleNotFoundError: No module named 'highspy'	HiGHS 未安装	pip install highspy
ModuleNotFoundError: No module named 'cvxpy'	cvxpy 未安装	pip install cvxpy
ModuleNotFoundError: No module named 'pyscipopt'	SCIP 未安装	pip install pyscipopt
ModuleNotFoundError: No module named 'mip'	python-mip 未安装	pip install mip
ModuleNotFoundError: No module named 'ortools'	OR-Tools 未安装	pip install ortools
ModuleNotFoundError: No module named 'ecos'	ECOS 未安装	pip install ecos
ModuleNotFoundError: No module named 'clarabel'	CLARABEL 未安装	pip install clarabel

License 错误

错误信息	原因	解决
COPT: License not found	License 文件未找到	设置 COPT_LICENSE_DIR 环境变量
Gurobi: No Gurobi license found	未激活或过期	运行 grbgetkey 重新激活
MOSEK: err_missing_license_file(1008)	mosek.lic 不在 ~/mosek/	检查文件路径或重新申请
CPLEX: No CPLEX license found	未安装或过期	检查 IBM Academic Initiative 状态

运行时错误

问题	原因	解决
linprog 不支持整数变量	scipy 的 HiGHS 仅限 LP	MIP 用 highspy 原生接口或 pulp/CBC
SOCP 求解器不可用	cvxpy 后端未安装	pip install clarabel ecos scs
MIP 求解太慢	默认 gap 太小 / 无时间限制	设 TimeLimit + 放宽 RelGap
数值不稳定 / 解不精确	Big-M 太大 / 数据未缩放	紧化 Big-M，标准化数据
cvxpy 找不到求解器	求解器包未安装或版本不兼容	python -c "import cvxpy; print(cvxpy.installed_solvers())"

---

集成方式（供 LP/MIP/SOCP skill 引用）

LP / MIP / SOCP skill 在 Quick Start 的环境准备步骤中，可简化为对本 skill 的调用：

- [ ] **环境准备与依赖安装（必须第一步）**：
  1. 参考 `../or-solver/SKILL.md` 执行统一求解器检测与安装
  2. 确认当前问题类型为 [LP / MIP / SOCP]
  3. 按降级策略选择求解器，若无可用求解器则安装
  4. 验证导入成功

然后直接进入各自 skill 的路径判断与问题建模。

---

与 GitHub 搜索的衔接

当以下情况发生时，不应继续尝试安装本地求解器，应直接进入各自 skill 的「路径 C：GitHub 搜索」：

• 所有求解器安装均失败（网络/权限/系统不兼容）
• Python 环境受限（无法 pip install）
• 用户明确要求使用 GitHub 开源独立实现

GitHub 搜索关键词因问题类型而异，详见各自 skill：

• LP：site:github.com linear programming solver python
• MIP：site:github.com mixed integer programming solver python
• SOCP：site:github.com second order cone programming solver python