Gurobi + Python

自学Gurobi的时候发现国内缺乏相对应的教程，大多止于浅层的gurobi安装和搭载，稍微深入点也只是最基础的模型建立：add variable, update, add constraint, set objective, optimize 和基本的读写。 甚至缺乏对于结果的解读。

Google到的内容比 百度 多的多。

最好的资料当然是官网的 http://www.gurobi.com/documentation/ 的 Example Tour 和 Referenec Manual;

 

存档一下学习中遇到的坑。

1. addConstr()

只能 ==, <=, >= ，不能<, >

2. if ... else 

如果想实现 if x>0 : a = 1 ; else : a = 0

不能直接实现，要进行一定的转化。

x <= a * A <= A + x - B  (A 为足够大的常数，B为足够小的正数（小于x可能达到的最小值，大于0），a为binary)

3. max_(), abs_()

这些函数，括号里面都必须是variable，不能是LinExpr(), 有必要的话，可以建成新的variable再使用max_()和abs_()函数

 

当结果是Model is infeasible 时：利用 Model.computeIIS() 来查问题（虽然我认为并不是太好用）

Reference :https://nathanbrixius.wordpress.com/2012/09/28/detecting-the-sources-of-model-infeasibility-using-gurobi/

model = Model()
vars = model.getVars()
constrs = model.getConstrs()

for i in range (len(constrs)):
    print (constrs[i].getAttr(GRB.Attr.IISConstr))
for i in range(len(solution)):
    print (solution[i].getAttr(GRB.Attr.IISLB), "  ", vars[i].getAttr(GRB.Attr.IISUB))

输出 1 有问题； 0 没问题

 

4. 如何输出指定个数的较优解

 

PoolSearchMode 表示Gurobi搜索最优解的方式。 默认值为0，表示目标为搜索唯一最优解；设定为1，表示搜索多个解，但不保证解的质量；设定为2，表示搜索多个解，优先取高质量的解。

PoolSolutions 表示存储的解的个数。改变该参数并不能改变该模型的可行解个数。但在使用过程中发现，当PoolSearchModel = 2, 如果有很多个可行解，SolCount不会显示实际可行解个数（由于运行时间限制），此时改变PoolSolutions可改变SolCount，得到更多可行解。

X 当PoolSearchMode为默认值0时，求解得到唯一解，存储在X中，可通过以下代码得到该解

model = Model()
vars_x = model.addVar(lb=0, ub = 1, vtype = GRB.CONTINUOUS)

....
vars =  model.getVars()
print ("最优解为"vars[0].getAttr("X"))

Xn 当PoolSearchMode为1或者2时，得到多个解（包括sub-optimal），存储在Xn中，可通过以下代码得到解。其中当SolutionNumber 设置为 0 时， 得到的解与 X 相同

model = Model()
vars_x = model.addVar(lb=0, ub = 1, vtype = GRB.CONTINUOUS)
model.setParam("PoolSearchMode",2)
model.setParam("PoolSolutions",10)
....
vars =  model.getVars()
for i in range(10):
    model.setParam("SolutionNumber",i)
    print ("最优解为"vars[0].getAttr("Xn"))

SolCount 表示搜索得到的解个数，SolutionNumber一定小于SolCount

SolutionNumber 表示得到的解个数，可以将这个参数看作Xn的index，范围为[0,SolCount-1]。每修改一次，输出不同的Xn