Gurobi Class3笔记

课程三：Callback使用方法

3.1 Callback使用方法

3.11 Callback函数

Callback为用户在求解模型时提供了高级控制功能，如在求解过程中获取信息，终止优化，加入额外约束条件和加入自己开发的算法\

定义callback: def name（model, where）: 调用callback: m.optimize(callback函数名)

参数: where:回调函数触发点 what：获取何种信息，what能获取什么取决于where

3.12 cbGet(what)：查询一些信息，如目标值，节点数

3.13 cbGetNodeRel(vars):查询变量在当前节点的松弛解

3.14 cbGetSolution(vars):查询可行解变量的取值（where == GRB.Callback.MIPSOL或者GRB.Callback.MULTIOBJ）

3.15 cbCut(lhs, sense, rhs)

lhs:左端项
sense符号
rhs：右端项
(where == GRB.Callback.MIPNODE参数PreCrush=1 (关掉Gurobi预处理对模型约束的转化)。)

3.16 cbLazy(lhs, sense, rhs)

与一般cut区别在于只有在被违反的时候才起作用 Where == GRB.Callback.MIPNODE or GRB.Callback.MIPSOL 使用时必须设定参数LazyConstraints = 1

3.17 cbSetSolution(vars, solution):向当前节点导入一个解

where == GRB.Callback.MIPNODE vars:变量 solution:变量的值

3.18 cbUseSolution():计算导入解的目标值

3.19 案例RINS heuristic

from gurobipy import *
import random

def RINScallback(model, where):
    if where == GRB.Callback.MIPNODE:
        if model.cbGet(GRB.Callback.MIPNODE_NODCNT) % 100 == 0 and \
        model.cbGet(GRB.Callback.MIPNODE_STATUS) == GRB.OPTIMAL:
            submodel = model.copy()
            suby = submodel.getVars()
            
            yrelaxation = model.cbGetNodeRel(model._y)
            
            for i in range(model._N):
                if abs(yrelaxation[i]) < 0.01:
                    suby[i].ub = 0
                elif abs(yrelaxation[i] - 1) < 0.01:
                    suby[i].lb = 1
            submodel.setParam(GRB.Param.TimeLimit, 30)
            submodel.optimize()
            if submodel.objval > model.cbGet(GRB.Callback.MIPNODE_OBJBST):
                for i in range(model._N):
                    if abs(suby[i].x) < 0.001:
                        model.cbSetSolution(model._y[i], 0.0)
                    elif abs(suby[i].x-1)<0.001:
                        model.cbSetSolution(model._y[i], 1.0)
                        

try:
    random.seed(1)
    N = 10
    Cmatrix = {(i,j):random.randint(0,100) for i in range(N) for j in range(N)}
    m = Model('MaximumCut')
    
    y = m.addVars(N, vtype=GRB.BINARY, name='y')
    
    obj = QuadExpr()
    for i in range(N):
        for j in range(N):
            obj += Cmatrix[i,j] * (y[i] + y[j] - 2*y[i]*y[j])
    m.setObjective(0.5 * obj, -1)
    
    m.Params.TimeLimit = 600
    
    m._y = y
    m._N = N
    
    m.optimize(RINScallback)
    
    print('Obj= ', m.Objval)
    for i in range(N):
        print(y[i].VarName, ' = ', y[i].x)
except GurobiError:
    print('Error reported')

3.2常用线性化方法

3.21 广义约束–Max/Min

z = max(x,y,3) —>

x<=z, y<=z, 3 <=z
x>=z-M(1-u1)
y>=z-M(1-u2)
3>=z-M(1-u3)
u1+u2+u3>=1
u1,u2,u3{0,1}

m.addConstr(z==max_(x, y, 3))

z = min(x,y,3) —>

x>=z, y>=z, 3>=z
x<=z+M(1-u1)
y<=z+M(1-u2)
3<=z+M(1-u3)
u1+u2+u3>=1
u1,u2,u3{0,1}

m.addConstr(z==min_(x, y, 3))

3.22 目标函数存在绝对值

3.23 Maxmin/Minmax

3.24 Maxmax/Minmin

3.25 带fixed cost目标函数

3.26 分式目标函数

3.27 逻辑或

3.28 乘积式

3.29 部分整数变量