线性模型lp.py lpmod.py lpmethod.py

最新推荐文章于 2024-09-26 19:43:55 发布

sjijdb

最新推荐文章于 2024-09-26 19:43:55 发布

阅读量271

点赞数 1

文章标签： python

本文链接：https://blog.csdn.net/sjijdb/article/details/132038205

版权

文章介绍了如何使用Gurobipy库处理线性模型，包括读取、求解、检查模型状态（包括不可行或无界的处理），以及演示了不同的求解策略如单纯形法、并发方法。还涉及了Presolve和不可还原不一致子系统(IIS)的概念。

摘要由CSDN通过智能技术生成

线性模型

lp.py

#这个例子从文件中读取LP模型并解决它。如果模型不可行或无界，则示例关闭，presolve并再次求解模型。如果模型不可行，示例计算一个不可还原的不一致子系统（IIS），并将其写入文件
import sys
import gurobipy as gp
from gurobipy import GRB

if len(sys.argv)<2:
    print('Usage:lp.py filename')
    sys.exit(0)
#阅读并求解模型
model=gp.read(sys.argv[1])
model.optimize()
if model.Status==GRB.INF_OR_UNBD:#型号状态==GRB.INF_OR_UNBD
    #关闭presolve off以确定模型是否不可行或无界
    model.setParam(GRB.Param.Presolve,0)
    model.optimize()
if model.Status==GRB.OPTIMAL:#解的状态为最优解
    print('Optimal objective : %g' %model.ObjVal)
    model.write('medel.sol')
    sys.exit(0)
elif model.Status!=GRB.INFEASIBLE:#解的状态为不可行
    print('optimization was stopped with status %d' %model.Status)
    #上式翻译：优化已停止，状态为：
    sys.exit(0)
#模型是不可行的，有互相矛盾的条件存在，计算一个不可约的不一致子系统（IIS）
print('')
print('Model is infeasible')
model.computeIIS()
model.write("model.ilp")
print("IIS written to file 'model.ilp'")
#IIS是一种Web服务器软件，它可以在Windows操作系统上提供Web服务

在查询解决方案值前应始终检查解决方案状态

model . optimize ()
if model . Status == GRB . INF_OR_UNBD :#解的状态为不可行或无界
# 关闭Presolve以确定模型是否不可行或无界
    model . setParam ( GRB . Param . Presolve , 0)
    model . optimize ()
if model . Status == GRB . OPTIMAL :#解的状态为最优解
    print ('Optimal objective : %g' % model . ObjVal )
    model . write ('model .sol ')
    sys . exit (0)
elif model . Status != GRB . INFEASIBLE :#解的状态为不可行
    print (' Optimization was stopped with status %d' % model . Status )
    #上式翻译：优化已停止，状态为
    sys . exit (0)

解的状态可以分为三种：具有最优解，具有无界解以及无可行解

Presolve

Gurobi Class2笔记_sos约束_yeah_panda的博客-CSDN博客

lpmethod.py

import sys
import gurobipy as gp
from gurobipy import GRB
if len(sys.argv)<2:
    print('Usage:lpmethod.py filename')
    sys.exit(0)
#读模型
m=gp.read(sys.argv[1])
#用不同值的方法求解模型
bestTime=m.pams.timelimit
bestMethod=-1#赋初值
for i in range(3):
    m.reset()#重置
    m.params.method=i
    m.optimize()
    if m.Status==GRB:
        bestTime=m.Runtime
        bestMethod=i
        #减少TiimeLimit（设定时间）参数，以节省时间与其他方法
        m.Params.TimeLimit=bestTime
#Report which method was fastest
if bestMethod==-1:
    print('Unable to solve this model')
else:
    print('Solved in %g secomgs with Method %d' %(bestTime,bestMethod))

此处的range（3）表示的就是0（单纯形法）-3（并发)的求解Method

lpmod.py

#这个例子从一个文件中读取一个LP模型并求解它
# 如果模型可以求解，那么它找到最小的正变量，将其上界设置为0，
# 并以两种方式对模型进行解析，首先有高级开始，然后没有高级开始即从头开始
import sys
import gurobipy as gp
from gurobipy import GRB
if len(sys.argv)<2:
    print('Usage:lpmod.py filename')
    sys.exit(0)#正常退出
#读取模型并判断是否为LP模型
model=gp.read(sys.argv[1])
if model.IsMIP==1:
    print('The model is not a linear program')
    sys.exit(1)#非正常退出
model.optimize()
status=model.Status
if status==GRB.INF_OR_UNBD or status==GRB.INFEASIBLE or status==GRB.UNBOUNDED:
    print('The model cannot be solved because it is infeasible or unbounded')
    sys.exit(1)
if status!=GRB.OPTIMAL:
    print('Optimization was stopped with status %d' % status)
    sys.exit(0)
#找到最小变量值
minVal=GRB.INFINITY
for v in model.getVars():
    if v.X>0.0001 and v.X<minVal and v.LB==0.0:
        minVal=v.X#(最小函数值=v.X)
        minVar=v#(最小变量=v)
print('\n*** Setting %s from %g to zero ***\n' %(minVar.VarName, minVal))
minVar.UB=0.0#设置上限为0
#从这个起点模型求解
model.optimize()
#节省迭代和时间信息
warmCount=model.IterCount
warmTime=model.Runtime
#重置模型并解析
print('\n*** Resetting and solving without an advanced start ***\n')
model.reset()
model.optimize()
coldCount=model.IterCount
coldTime=model.Runtime
print('')
print('***Warm start:%g iterations, %g seconds'%(warmCount,warmTime))#iteration:迭代次数
print('***Cold start:%g iterations, %g seconds'%(coldCount,coldTime))