Gurobi重要参数和属性大全

参数类别	属性	例子
Termination	停止参数，控制求解停止条件	TimeLimit设置时间; SolutionLimit设置MIP可行解数量
Tolerances	容差参数，控制求解器的最优或可行的偏差	MIPGap设置MIP的gap值； FeasibilityTol设定精度
Simplex	单纯形参数，控制单纯形法	InfUnbdInfo控制是否获取不可行或无界模型的额外信息
Barrier	障碍法参数，控制障碍法	QCPDual控制是否获取二次模型的对偶值
Mip	混合整数参数，控制混合整数规划算法	BranchDir设定优先分支方向； Heuristics设定启发式算法求解时间所占的比重
Mip Cuts	割平面参数，控制割平面	Cuts设定割平面法的强度
Tuning	调参参数，控制调参工具	TuneCriterion设定调参的准则； TuneTimeLimit设定调参的时间
Multiple Solutions	多解参数，尝试寻找多个解	PoolSolutions 决定存储可行解的数量
常用参数	属性	取值
TimeLimit	时间设定	单位秒
MIPFocus	设定MIP的求解侧重点	0 默认。均衡搜寻可行解和证明最有； 1 侧重快速找到可行解； 2 侧重证明最有； 3 侧重界的提升（发现界提升缓慢）
Method	设定线性模型或MIP根节点的求解方法	-1 默认，(3LP, 2 QP/QCP, 1 MIP); 0 初始单纯形； 1 对偶单纯形； 2 内点法； 3 (0,1,2) 并发（线程数，重复运行最基本可能不同） 4 确定性(0, 1, 2)并发，重复运行结果相同； 5 确定性(0, 1)并发，重复运行结果相同
LogToConsole	log记录是否在控制台显示	0 关闭控制台显示； 1 打开控制台显示（默认）
LogFile	设定log文件名称	默认空字符串
Presolve	控制预处理的程度	-1 默认 ，0 关闭预处理，1 保守倾向； 2 进取倾向(耗时多，处理后的模型更紧凑)
MIPGap	设定gap值	0.0001默认，小于给定的值终止计算
ImproveStartGap	提升策略开始gap值	0.0 默认，例如取0.1，给gap < 0.1，开始提升策略
ImproveStartNodes	提升策略开始节点值	Infinity 默认，例如取5，当前节点数 > 5，开始提升策略;
ImproveStartTime	提升策略开始的时间	Infinity默认，例如取100，当运行时间到100s时，开始提升策略
ObjNumber	目标函数索引(多目标)	索引从0开始编号

参数设置方法

---

属性类别	例子
Model Attributes 模型属性	ModelSense 模型优化方向(最大值或最小值); Objval 当前目标值。
Variable Attributes 变量属性	X 当前变量的取值； Start MIP初始解。
Linear Constaraint Attributes 线性约束属性	Pi 约束对应的对偶值 Slack 约束的松弛量 RHS 约束的右端项
Special-ordered Set constraints Attributes SOS约束属性	llssos对不可行的模型，指示约束是否属于IlS(Irreducible Inconsistent Subsystem)

参数设置和查询方法

属性名字	作用	取值
ModelSense(可调整)	模型优化方向	1 最小化(默认)； -1 最大化
ObjVal(不可调整)	目标函数值
Status(不可调整)	解的状态
LB/UB(可调整)	变量下界/上界	double
Obj(可调整)	变量的线性目标系数	oduble
VType	变量类型	C,B,I,S,N
X(不可调整)	变量值	double
Start(可调整)	变量的初始值	double
RHS(可调整)	线性约束右端项	double
Pi(不可调整)	线性约束对应的对偶变量	double

---

自动调参

参数名称	作用	取值
TuneCriterion	调整调参准则	-1 默认, 缩短发现最优解所需的时间； 1 最优的Gap； 2 最好的可行解； 3 最好的bound。
TuneJobs	分布式并行调参	0 默认.
TuneOutput	控制输出结果的量	0 没有输出； 1 发现最好参数组合时输出； 2 默认，输出试过的参数组合； 3 试过的参数组合和详细的求解器输出。
TuneResults	返回最优参数组合的数量	-1 默认，按照调整参数的个数返回调参结果。
TuneTimeLimit	调参时间	-1 自动选择时间
TuneTrials	每组参数组合运行的次数	主要目的减小随机因素的影响

特殊约束的表达方式和使用

Max:
  addGenConstrMax( resvar, vars, constant, name )
  resvar 变量(x = max(x1, x2, 10))
  vars 一组变量(可包含常数)
  constant 常数
  name 广义约束名称
  例如: z = max(x, y, 3)
    m.addGenConstrMax(z, [x, y], 3, "maxconstr")
    m.addGenConstrMax(z, [x, y, 3], name="maxconstr")
  换成一般的约束表达方式：
    m.addConstr(z == max_([x, y, 3]), "maxconstr")
    m.addConstr(z == max_(x, y, 3), "maxconstr")


广义约束—Min
  addGenConstrMin( resvar, vars, constant, name )
    ·resvar 变量(x = min(x1,x2,10))
    • vars 一组变量(可以包含常数)
    • constant 常数
    • name 广义约束名称
    例如: z = min(x, y, 3)
      m.addGenConstrMin(z, [x, y], 3, "minconstr")
      m.addGenConstrMin(z, [x, y, 3], name="minconstr")
    换成一般的约束表达方式：
      m.addConstr(z == min_([x, y, 3]), "minconstr")
      m.addConstr(z == min_(x, y, 3), "minconstr")
      
      
• 广义约束—Abs
  addGenConstrAbs( resvar, argvars, name ) 
    • resvar 变量
    • argvar 变量
    • name 广义约束名称
    例如: x = |y| 
      m.addGenConstrAbs(x, y, "absconstr")
    换成一般的约束表达方式：
      m.addConstr(x == abs_(y), "absconstr")

• 广义约束—And
  addGenConstrAnd( resvar, vars, name ) 
    • resvar 变量
    • vars 一组变量
    • name 广义约束名称
    一组变量的值全等于1,则取1,否则取0。
    例如: x = 1且y = 1,那么z = 1,否则 z = 0 
      m.addGenConstrAnd(z, [x,y], "andconstr")
    换成一般的约束表达方式：
      m.addConstr(z == and_(x, y), "andconstr")
    
• 广义约束—Or
  addGenConstrOr( resvar, vars, name ) 
    • resvar 变量
    • vars 一组变量
    • name 广义约束名称
    一组变量的值有一个等于1,则取1,否则取0。
    例如: x = 0且y = 0,那么z = 0,否则 z = 1 
      m.addGenConstrOr(z, [x,y], "orconstr")
    换成一般的约束表达方式：
      m.addConstr(z == or_(x, y), "orconstr")
      
• 广义约束—Indicator
  addGenConstrIndicator(binvar, binval, lhs, sense, rhs, name) 
    • binvar 指示变量
    • binval 指示变量的值{0,1}
    • lhs 约束左端项
    • sense 约束符号
    • rhs 约束右端项
    • name 广义约束名称
    指示变量的值为1,约束成立,否则约束可以被违反。
    例如: 如果 z = 1,则 x+y <= 4
      m.addGenConstrIndicator(z, True, x + y, GRB.LESS_EQUAL, 4, 'indicator') 
    换成一般的约束表达方式：
      m.addConstr((z == 1) >>(x + y<= 4))
      
• 范围约束
  addRange( expr, lower, upper, name)
    • expr 表达式
    • lower 下界
    • upper 上界
    • name 约束名称
    例如: 5 <= x + y + z <= 10 
      m.addRange(x+y+z, 5, 10, "c") 
    换成一般的约束表达方式：
      m.addConstr(x+y+z==[5,12])
      
• SOS约束(Special-Ordered Set)
  addSOS( type, vars, wts=None )
    • type 约束种类(GRB.SOS_TYPE1 或者 GRB.SOS_TYPE2).
    • vars 变量
    • wts 变量对应的权重,且权重唯一,默认1, 2, 3 ...
  SOS_TYPE1 表示一组有序变量中最多有一个变量取值不为0；
  SOS_TYPE2 表示一组有序变量中最多有两个变量取值不为0,且非零变量相邻。变量是否相邻由权重决定。
    model.addSOS(GRB.SOS_TYPE2, [x, y, z], [1, 2, 4])
    
• 目标函数(多个目标) 
  setObjectiveN( expr, index, priority, weight, abstol, reltol, name )
    • expr 目标函数表达式
    • index 目标函数对应的序号(0, 1, 2, ….）
    • priority 优先级(整数值）
    • weight 权重(浮点数）
    • abstol 允许的目标函数值最大的降低量 abstol(浮点数）
    • reltol 允许的目标函数值最大的降低量reltol*|目标函数值|(浮点数）
    • name 目标函数名称
注意：所有的目标函数都为线性的,并且目标函数的优化方向一致(全部最大化或全部最小化)。可以通过乘
以 -1 实现不同的优化方向。
    Gurobi 支持三种多目标模式：
      • Blend(合成型) 有权重,没有优先级。例如优化：
        Obj1 = x + y weight1 = 1 
        Obj2 = x – 5y weight2 = -2 
        Gurobi会混合这两个目标值形成：1*(x+y) - 2*(x – 5y) = -x+11y
        
      • Hierarchical(分层型) 有优先级。 例如优化：
        Obj1 = x + y priority 1 = 10
        Obj2 = x – 5y priority 2 = 5
        Gurobi 按照优先级大小优化(先优化Obj1),若没有设定abstol或reltol,在优化低优先级目标时,不会改
        变高优先级的目标值。假设Obj1=10,在优化 Obj2 时只能在使得 Obj1=10 的所有解中挑选最优解
        。
      • 混合以上两种。
        m.setObjectiveN(x+y+3*z, index=0, weight=0.1,priority=1, name='obj1')
        m.setObjectiveN(2*x+y+3*z, index=1, weight=3, priority=3, name='obj2')
        
      通过参数 ObjNumber 选择特定的目标,进而获得对应的目标函数值。
      for i in range(model.NumObj):
        model.setParam(GRB.Param.ObjNumber, i)
        print('Obj%d = ' %(i+1), model.ObjNVal)
        
• 目标函数(分段线性目标) 
  setPWLObj( var, x, y ) 
    • var 指定变量的目标函数是分段线性
    • x 定义分段线性目标函数的点的横坐标值(非减序列)
    • y 定义分段线性目标函数的点的纵坐标值
对一些非线性模型，可以使用这一功能去线性逼近。
    
    m.setPWLObj(x, [0, 2, 5], [0, 2, 3])
    m.setAttr(GRB.Attr.ModelSense, -1)