【基础篇】Python+Gurobi求解运输问题建模实践

采用Python+Gurobi实现运输问题建模求解【基础语法】

1. Gurobi介绍

Gurobi是由美国 Gurobi Optimization 公司开发新一代大规模优化器。无论在生产制造领域，还是在金融、保险、交通、服务等其他各种领域，当实际问题越来越复杂，问题规模越来越庞大的时候，我们需要一个经过证明可以信赖的大规模优化工具，为我们的决策提供质量保证，为我们增强信心。在理论和实践中，Gurobi 优化工具都被证明是全球性能领先的大规模优化器，具有突出的性价比，可以为客户在开发和实施中极大降低成本。
Gurobi 是全局优化器，支持的模型类型包括：

• 连续和混合整数线性问题
• 凸目标或约束连续和混合整数二次问题
• 非凸目标或约束连续和混合整数二次问题
• 含有对数、指数、三角函数、高阶多项式目标或约束，以及任何形式的分段约束的非线性问题
• 含有绝对值、最大值、最小值、逻辑与或非目标或约束的非线性问题

以上介绍来源于：来源：gurobi中国官网
Gurobi提供多种API接口，其中就包括Python语言，而且其语法和python非常接近，对python的语言要求并不高。擅长python的小伙伴也可以在运筹优化领域寻求一席之地，重要的是：可以免费申请学术版！

2. 安装

可以登录官网注册账号（建议使用学校邮箱），按照官网引导安装即可，在申请学术版时如遇到在线校园网认证失败请采用线下认证方式。
这里采用的编程环境为：anaconda(3.6 python)+ Gurobi+pycharm

3.基础语法

这里对Gurobi的数据结构做简要介绍，详细内容可以查阅官方文档。

3.1 语法对比

list、tuple、dict是python中常用的数据结构，在 Gurobi中同样支持，而且 Gurobi还对其进行了扩展优化，以便提高效率，具体如下：

数据结构	gurobi语法扩展	gurobi建模用途
list	tuplelist	下标、索引、变量、约束等各种对象的集合
tuple	-	适合多维下标
dict	tupledict	表示带下标的数值，如变量
-	multidict	快速创建tuplelist和tupledict
sum	quicksum	求和

在使用gurobi之前需要将其导入：

from gurobi import *

3.2 基本用法：list和tuplelist

"创建list和tuplelist"
cities_py=[('A','B'),('A','D'),('B','D'),('D','E')]
cities_gurobi=tuplelist(cities_py)

'tuplelist除了具备list增、删、改、查等方法外，还增加了快速筛选select方法'
"筛选符合条件的元素"
for i,j in cities_py:
    if i=='A':
        print((i,j))
print(cities_gurobi.select('A','*'))

3.3 基本用法：dict和tupledict

"创建dict和tupledict"
link_cost_py={('1','2'):10,('1','3'):12,('2','3'):4,('3','4'):10}
link_cost_gurobi=tupledict(link_cost_py)
'tupledict也增加了select、sum、prod等方法，提高建模效率（后续建模时介绍）'

3.4 基本语法：创建tuplelist和tupledict

'multidict提供了同时创建tuplelist和tupledict的方法，可减少参数输入工作量，提高了建模速度，'
link_list,cost=multidict(
    {('1','2'):10,('1','3'):12,('2','3'):4,('3','4'):10}
)
print('link list :%s'%link_list)
print('link cost :%s'%cost)

link_list,cost,time=multidict(
    {('1', '2'): [10,4], ('1', '3'): [12,2], ('2', '3'): [4,8], ('3', '4'): [10,8]}
)
print('link list :%s'%link_list)
print('link cost :%s'%cost)
print('link time :%s'%time)

3.5 基本用法：sum和quicksum

sum_py=sum(v for v in link_cost_py.values())
sum_gurobi=quicksum(link_cost_gurobi[i] for i in link_list)
sum_gurobi_=quicksum( cost[i]*time[i] for i in link_list)
sum_gurobi__=cost.prod(time)

3.6 实际问题建模过程

1. problem instance（待优化问题）
2. model generator（将数据组成成模型，产生模型对象）
3. model instance（存在于内存的一个完整数学模型）
4. gurobi optimizer（优化求解）
5. solution retrieval（读取求解结果）
6. analysis（结果分析）

3.7 Gurobi模型构建过程

1. 实例化模型 ：m=Model( )
2. 添加变量 ： m.addVar( ),m.addVars( )
3. 设定目标函数 ：m.setObjective( ) ,m.setObjectiveN()
4. 添加约束 ：m.addConstr(),m.addConstrs( )
5. 求解 ：m.optimizer( )
6. 结果分析 ：m.getvars( )

3.8 建模举例

（1）待优化问题
$$maxx+y+2z$$
s.t.
$$x+2y+3z<=4$$ $$x+y>=1$$ $$x,y,z\in 0,1$$

（2）Gurobi建模

'创建模型'
m=Model()
'添加变量'
x=m.addVar(vtype=GRB.BINARY,name='X')
y=m.addVar(vtype=GRB.BINARY,name='Y')
z=m.addVar(vtype=GRB.BINARY,name='Z')
'设置目标函数'
m.setObjective(x+y+2*z,GRB.MAXIMIZE)
'添加约束'
m.addConstr(x+2*y+3*z<=4)
m.addConstr(x+y>=1)
'优化求解'
m.optimize()
'读取结果'
for v in m.getVars():
    print(v.varName,v.x)

参数解释

• addVar( )：
  *添加单个变量
  *vtype：变量类型（连续、整数、0-1等）
  *name：变量名称（可选）
• setObjective( ):
  *设置单一目标函数
  *$x+y+2z$为目标函数
  *GRB.MAXIMIZE指定优化方向为最大化
• addConstr( )
  *添加单个约束条件（这里采用简单、直观的书写方式）
• optimize()
  *优化求解
• getVars()
  *获取模型所有变量
  *varName：获取变量名
  *v.x：获取变量的值

参考

1. http://www.gurobi.cn/picexhview.asp?id=100
2. https://blog.csdn.net/qq_45832050/article/details/109920683