我可以在Google的ortools包中提供一个带有BFS的解算器吗?

我正在解一个非常大的LP,它没有0作为基本可行解(BFS)。我想知道,通过向解算器传递一个基本可行的解决方案,我是否可以加快这个过程。寻找以下线索: solver.setBasicFeasibleSolution() . 我将在下面描述一个玩具实例(约束条件要少得多),并向您展示我的意思。

from ortools.linear_solver import pywraplp


def main():  
    # Instantiate solver
    solver = pywraplp.Solver('Toy',
                       pywraplp.Solver.GLOP_LINEAR_PROGRAMMING)

    # Variables
    x = solver.NumVar(-1, solver.infinity(), 'x')
    y = solver.NumVar(-1, solver.infinity(), 'y')
    z = solver.NumVar(-1, solver.infinity(), 'z')

    # Constraint 1: x + y >= 10.
    constraint1 = solver.Constraint(10, solver.infinity())
    constraint1.SetCoefficient(x, 1)
    constraint1.SetCoefficient(y, 1)

    # Constraint 2: x + z >= 5.
    constraint2 = solver.Constraint(5, solver.infinity())
    constraint2.SetCoefficient(x, 1)
    constraint2.SetCoefficient(z, 1)

    # Constraint 3: y + z >= 15.
    constraint2 = solver.Constraint(15, solver.infinity())
    constraint2.SetCoefficient(y, 1)
    constraint2.SetCoefficient(z, 1)

    # Objective function: min 2x + 3y + 4z.
    objective = solver.Objective()
    objective.SetCoefficient(x, 2)
    objective.SetCoefficient(y, 3)
    objective.SetCoefficient(z, 4)
    objective.SetMinimization()

    # What I want:
    """
    solver.setBasicFeasibleSolution({x: 10, y: 5, z: 15})
    """

    solver.Solve()

    [print val.solution_value() for val in [x, y, z]]

希望这样可以加快速度(如果解算器必须使用两阶段单纯形来找到初始BFS或大M方法)。

此外,如果有人能给我指出python API文档,而不是Google提供的示例,那将非常有用。希望了解ortools的解算器中有哪些对象可用,它们的方法是什么,以及它们的返回值和模式是什么。有点像C++文档。

当然,也欢迎其他资源。