Gurobi求解器安装与初探

免费获得学术license

高校师生可免费获取gurobi的学术license，有效期一年，可无限续期。不过在其英文官网申请的license，中国区一般无法通过其EDU IP验证。在国内申请只需发邮件给gurobi中国请求一个无需认证的license即可，详见http://www.gurobi.cn/NewsView1.Asp?id=4
提交表格后，半小时左右就会回复。

Linux系统安装gurobi求解器

求解器安装

在此处可下载安装文件
首先将tar.gz解压到/opt下

tar xvfz gurobi9.1.2_linux64.tar.gz
mv gurobi912 /opt

将如下环境变量写入~/.bashrc文件末尾

export GUROBI_HOME="/opt/gurobi912/linux64" 
export PATH="${PATH}:${GUROBI_HOME}/bin" export 
LD_LIBRARY_PATH="${LD_LIBRARY_PATH}:${GUROBI_HOME}/lib“

python接口安装

gurobi引擎自带的shell并不是特别常用，其python接口在gurobi编程中应用最广泛
执行安装路径/opt/gurobi912/linux64中的setup.py文件安装gurobi引擎的python接口

python setup.py install

matlab接口安装

gurobi新版本进一步完善了其matlab接口，已和其python接口相差无几。
进入matlab执行：

cd /opt/gurobi912/linux64/matlab
gurobi_setup

学习资源

gurobi 高效数学规划引擎 | python3 配置、使用及建模实例
Gurobi 生产计划调度学习案例（含代码实现） （生产切换、装配计划）
中文官网资料包
视频教程
公众号

测试脚本

如下脚本可用于测试gurobi系统安装的正确性
python

#!/usr/bin/env python3.7

# Copyright 2021, Gurobi Optimization, LLC

# This example formulates and solves the following simple MIP model:
#  maximize
#        x +   y + 2 z
#  subject to
#        x + 2 y + 3 z <= 4
#        x +   y       >= 1
#        x, y, z binary
import gurobipy as gp
from gurobipy import GRB

try:

    # Create a new model
    m = gp.Model("mip1")

    # Create variables
    x = m.addVar(vtype=GRB.BINARY, name="x")
    y = m.addVar(vtype=GRB.BINARY, name="y")
    z = m.addVar(vtype=GRB.BINARY, name="z")

    # Set objective
    m.setObjective(x + y + 2 * z, GRB.MAXIMIZE)

    # Add constraint: x + 2 y + 3 z <= 4
    m.addConstr(x + 2 * y + 3 * z <= 4, "c0")

    # Add constraint: x + y >= 1
    m.addConstr(x + y >= 1, "c1")

    # Optimize model
    m.optimize()

    for v in m.getVars():
        print('%s %g' % (v.varName, v.x))

    print('Obj: %g' % m.objVal)

except gp.GurobiError as e:
    print('Error code ' + str(e.errno) + ': ' + str(e))

except AttributeError:
    print('Encountered an attribute error')

matlab

function mip1()
    % Copyright 2021, Gurobi Optimization, LLC
    % This example formulates and solves the following simple MIP model:
    %  maximize
    %        x +   y + 2 z
    %  subject to
    %        x + 2 y + 3 z <= 4
    %        x +   y       >= 1
    %        x, y, z binary

    names = {'x'; 'y'; 'z'};

    model.A = sparse([1 2 3; 1 1 0]);
    model.obj = [1 1 2];
    model.rhs = [4; 1];
    model.sense = '<>';
    model.vtype = 'B';
    model.modelsense = 'max';
    model.varnames = names;

    gurobi_write(model, 'mip1.lp');

    params.outputflag = 0;

    result = gurobi(model, params);

    disp(result);

    for v = 1:length(names)
        fprintf('%s %d\n', names{v}, result.x(v));
    end

    fprintf('Obj: %e\n', result.objval);
end