Gurobi 安装到使用教程（3）

最新推荐文章于 2024-05-11 14:05:14 发布
最新推荐文章于 2024-05-11 14:05:14 发布
阅读量3.2k 收藏 38
点赞数 8
分类专栏： Python 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44597347/article/details/123576395
版权

Gurobi 安装到使用教程（3）

参数和属性

参数

参数主要指的是启动前需要设置的行为：

model.setParam( paramname, newvalue)
# paramname 参数名称
# newvalue 参数取值

# 比如设置求解时间
model.setParam("TimeLimit“, 600) 
model.setParam(GRB.Param.TimeLimit, 600) 
model.Params.TimeLimit= 600

参数类别主要有：
(1) Termination 停止参数,控制求解停止条件。
例如: TimeLimit设定时间；SolutionLimit设定MIP可行解数量。
(2) Tolerances 容差参数,控制求解器的最优或可行的偏差。
例如: MIPGap设定MIP的gap值；FeasibilityTol设定精度。
(3) Simplex 单纯形参数,控制单纯形法。
例如: InfUnbdInfo控制是否获取不可行或无界模型的额外信息。
(4) Barrier 障碍法参数,控制障碍法。
例如: QCPDual控制是否获取二次模型的对偶值。
(5) Mip 混合整数参数,控制混合整数规划算法。
例如: 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。
(6) MipCuts 割平面参数,控制割平面。
例如: Cuts设定割平面法的强度。
(7) Tuning 调参参数,控制调参工具。
例如: TuneCriterion设定调参的准则；TuneTimeLimit设定调参的时间。
(8) Multiple Solutions 多解参数,尝试寻找多个解。
例如: PoolSolutions决定存储可行解的数量。
(9) Distributed algorithms 分布式计算参数
(10) Compute Server 计算服务器参数
(11) Cloud 云参数
(12) Token server 令牌服务器参数
(13) Other 其他一些参数
完整参数在gurobi下载软件的参考手册里面：…\docs\refman.pdf
使用参数优化模型的案例：

import sys
import gurobipy as gp


if len(sys.argv) < 2:
    print('Usage: params.py filename')
    sys.exit(0)


# Read model and verify that it is a MIP
m = gp.read(sys.argv[1])
if m.IsMIP == 0:
    print('The model is not an integer program')
    sys.exit(1)

# Set a 2 second time limit
m.Params.TimeLimit = 2

# Now solve the model with different values of MIPFocus
bestModel = m.copy()
bestModel.optimize()
for i in range(1, 4):
    m.reset()
    m.Params.MIPFocus = i
    m.optimize()
    if bestModel.MIPGap > m.MIPGap:
        bestModel, m = m, bestModel  # swap models

# Finally, delete the extra model, reset the time limit and
# continue to solve the best model to optimality
del m
bestModel.Params.TimeLimit = float('inf')
bestModel.optimize()
print('Solved with MIPFocus: %d' % bestModel.Params.MIPFocus)

常用的参数：
在这里插入图片描述
在这里插入图片描述

属性

(1) Model Attributes 模型属性
例如: ModelSense模型优化方向(最大化或最小化)；ObjVal当前目标值。
(2) Variable Attributes 变量属性
例如: X 当前变量的取值； Start MIP初始解。
(3) Linear Constraint Attributes 线性约束属性
例如: Pi 约束对应的对偶值；Slack 约束的松弛量；RHS 约束的右端项。
(4) Special-ordered Set constraints Attributes SOS约束属性
例如: IISSOS 对不可行的模型,指示约束是否属于IIS (Irreducible Inconsistent Subsystem)。
(5) Quadratic Constraint Attributes 二次约束属性
例如: QCRHS 约束右端项。
(6) General Constraint Attributes 广义约束属性
例如: GenConstrName约束名称。
(7) Quality Attributes 解质量属性
例如: BoundVio最大的界违反；IntVio整数变量离最近整数的最大距离。
(8) Multi-objective Attributes 多目标属性
例如: ObjN 对应多目标表达式中变量系数；ObjNVal对应目标函数值
设置和查询属性的方法：

setAttr( attrname, newvalue) 
# attrname 属性名称
# newvalue 属性的值
var.setAttr(GRB.Attr.VType, ‘C’) 

getAttr( attrname, objs)
# attrname属性名称
# objs(可选)   列表或字典对象用来存储查询的值
model.getAttr(GRB.Attr.ObjVal)

常用的属性
在这里插入图片描述

特殊的约束的表示方法

Max

addGenConstrMax( resvar, vars, constant, name )          
# resvar 变量(x = max(x1,x2,10))
# vars 一组变量(可以包含常数)
# constant 常数
# name 广义约束名称

z = max(x, y, 3) 
m.addGenConstrMax(z, [x, y], 3, "maxconstr")
m.addGenConstrMax(z, [x, y, 3], name="maxconstr")
m.addConstr(z == max_([x, y, 3]), "maxconstr")
m.addConstr(z == max_(x, y, 3), "maxconstr")

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
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")

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")

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。
# 注意：所有的变量都被视为0,1变量,不论他们之前被定为什么类型。

# 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")

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。
#注意：所有的变量都被视为0,1变量,不论他们之前被定为什么类型。
# 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")

Indicator

# 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

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])

多目标函数

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。

• 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。

# Blend(合成型) 
m.setObjectiveN(x+y+3*z, index=0, weight=0.1, name='obj1') 
m.setObjectiveN(2*x+y+3*z, index=1, weight=3, name='obj2')
# Hierarchical  
m.setObjectiveN(x+y+3*z, index=0, priority=1, name='obj1') 
m.setObjectiveN(2*x+y+3*z, index=1, priority=3, name='obj2')
# 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)

分段线性函数

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。

在这里插入图片描述

Solution Pool

Gurobi在搜寻最优解的过程中,会找到一些次优解(sub-optimal solutions),有时候用户也希望知道次优解的具体 情况。因此Gurobi会将计算过程中发现的所有解记录在Solution Pool里供用户查询。
Solution Pool参数
在这里插入图片描述
Solution Pool 里的解按照质量非增排序,并从零开始编号。因此,查询具体解的情况(变量值和对应目标值等) 需要先设定参数SolutionNumber的值,然后通过模型属性PoolObjVal和变量属性Xn获得目标值和变量值。
例如：查询pool里面第4个解(索引为3)的目标值和变量值。

model.setParam(GRB.Param.SolutionNumber, 3) 
print("obj = ",  model.PoolObjVal) 
for iin range(model.NumVars): 
	print(Vars[i]. VarName, " = ", Vars[i].Xn)
棋圣阳阳阳
关注
  • 8
    点赞
  • 踩
  • 38
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
Gurobi笔记（使用手册）
weixin_48340737的博客
02-20 1万+
Gurobi基础知识和常用操作。
Gurobi 安装到使用教程（1）
weixin_44597347的博客
03-18 2653
Gurobi 安装到使用教程（1）1. 安装 1. 安装 在已经有python环境的情况下，推荐官网的第二种方案。官网教程下载地址： http://www.gurobi.cn/pic.asp?bigclassname=%D1%A7%CF%B0%D7%CA%C1%CF 下载之后的激活，我是在校外实习使用，因此考虑免IP激活。需要提供学信网的验证并填写一个pdf发到产品的邮箱。激活地址： http://www.gurobi.cn/NewsView1.Asp?id=4 获得激活码后，打开下载的安装包，直
Gurobi求解器基础入门官方教程
weixin_45526117的博客
10-31 2万+
Gurobi是一种数学规划（线性和凸二次规划）优化器。支持多种语言接口，本文以python+gurobi为主。
2024年第九届数维杯数学建模B题完整分析参考论文（共42页）（含模型和代码）
最新发布
2301_79944593的博客
05-11 1118
问题5的处理中，采用了机器学习方法，特别是随机森林模型对热解产率进行预测，使用R语言进行数据分析，模型预测精度高，为实际生产提供了有力的决策支持。需要采用多元统计模型探索INS含量和混合比例的联合影响，并通过可视化手段，如交互作用图，明确在不同混合比例和INS含量条件下，哪些产物的产率受到的影响最为显著。模型的推广性取决于其对不同热解条件和原料组合的适应性。最后，通过这些问题的研究，我们不仅验证了INS在热解过程中的重要作用，也推广了优化模型在实际生产中的应用，为热解工艺的改进提供了科学依据和技术支持。
Gurobi 安装到使用教程（2）
weixin_44597347的博客
03-18 3755
Gurobi 安装到使用教程（2）1. 基本操作2. 基本建模举例 1. 基本操作 Gurobi的建模基本概念主要包括：参数（Parameter）和属性（Attributes）两种。前者控制优化器的行为，后者主要是控制模型的特性，包括（模型、变量、约束、目标等对象）。 Python的tuple，list，dictionary在gurobi中都可以使用，但是Gurobi推荐使用自己的Tuplelist和TupleDict，在循环和检索上运算速度更快。 tuplelist Cities= [('A','
Gurobi11：gurobi Gurobi error 10008: Unable to set parameter TuneTimeLimit to value -1 (minimum is 0)
m0_64556848的博客
03-12 1313
gurobi 11.0 测试运行报错
gurobi 目标设置经验分享
zhanghuaren2003的博客
01-24 613
Gurobi 求解混合整数规划的过程中， 内部使用的算法包含了分支定界方法，是一种迭代的方法， 一般终止迭代的方式主要有两种， 一个是设置运算时间（TimeLimit），一个是MIPGap。本文浅显的记录实际中遇到的关于目标函数的设计（涉及到MIPGap）的一点想法。
如何在python中安装Gurobi（详细教程）
热门推荐
Book-bei的博客
04-08 9万+
看了一下别人的教程，感觉不太满意，自己安装了一下，顺便梳理一下过程。 第一步 ：下载gurobi ( http://www.gurobi.com ) 下载教程如图。 注意：下图中我的电脑是win10 64位，大家可以根据自己的实际情况下载对应版本 第二步：安装Gurobi ，基本就是下一步下一步，但是安装位置可以根据需要需要改一下 注意：到这里选择NO ，不然计算机就重启了。当然，...
Gurobi+Python详细的入门教程
03-11
该文档包含三个ppt文件，分别为Gurobi入门，Gurobi+Python知识点讲解，Gurobi+Python实战，Gurobi入门肯定没有问题，讲解详细，内附代码贴图，有需要的小伙伴可以尽情下载。
Gurobi8docs_most5l3_Gurobi_cplex_nan_求解器gurobi_
09-30
3. quickstart_{platform}.pdf - 这些是快速入门指南，针对不同操作系统（Windows、Linux和Mac）提供了安装和使用Gurobi的基本步骤。 4. remoteservices.pdf - 可能涉及到Gurobi的远程服务，允许用户通过网络连接到...
1_Gurobi_
09-30
本教程将围绕Gurobi的基础知识进行深入浅出的讲解，旨在帮助初学者快速理解和掌握Gurobi的使用。 一、Gurobi简介 Gurobi是由Gurobi Optimization公司开发的商业优化求解器，以其高效的算法和优秀的性能闻名于世。它...
gurobi学习文档（中英文）
11-19
详细的gurobi学习教程，包括安装到基本使用，以及和python的结合使用，很适合入门级的学者，里面有详细的中英文教程。
gurobi学习手册，很好用的自定义机器学习数学建模编程语言
02-14
很好用的自定义机器学习数学建模编程语言，可在matlab，python，R等多种语言下使用
Gurobi的安装包, 安装教程, 配置python接口教程文档, 支持多种平台
05-27
以下是对Gurobi安装、配置及使用Python接口的详细解释。 1. **Gurobi的安装**： - **下载安装包**：首先，你需要从Gurobi的官方网站下载适用于你操作系统（如Windows、Linux或macOS）的安装包。 - **安装过程**：...
gurobi学习.rar
12-15
一、Gurobi安装与下载 Gurobi的安装过程包括下载安装包、注册许可证以及配置环境变量等步骤。首先，你需要访问Gurobi官方网站获取最新的安装程序，根据你的操作系统（Windows、Linux或Mac OS）选择相应版本。下载...
[数学建模]copt求解器常用api
N__E__E的博客
09-21 995
coptpy常用api
Gurobi基础教程（Python版）-系列教程2
Data _designer
09-26 2759
参数和属性 Parameter：控制优化器的行为，需要在优化启动前进行设置 常见参数： # 参数的设置方法 model.setParam('TimeLimit',600) model.Params.TimeLimit = 600 model.setParam(GRB.Param.TimeLimit,600) # Use parameters that are associated with a model. # # A MIP is solved for a few seconds with diff
关于任务节点时间限制的问题修正（TimeLimit）
执手画眉弯的博客
04-06 2158
上次文章中有提到一个“为了防止任务卡在某些节点上，可以使用 Event Receive Tick 或者 Event Receive Tick AI 作为计时器使用，超过一定时限，强制让该任务节点返回。”的问题，事实上证明，该处理方案可能达不到预期的效果，后来我在使用中才发现UE4行为树其实自带了时间限制节点，叫“TimeLimit”的装饰器节点，该节点就可以达到我们相关的需求。唯一需要注意的是，同
关于Gurobi License过期问题
woshihanxibei的专栏
02-16 1万+
昨天还可以做实验，第二天就发现过期是一种怎样的体验，于是上午去搜，怎么弄一个新的license，是的我都弄了， http://neer.ce.ncsu.edu/site/gurobi/docs/quickstart/node7.html 这个网站讲得比较详细，我想我应该是默认的地址，所以一直按着步骤一直错误！！！！ 我疯了然后两天没管了，这不是又到星期一必须做实验啊！！于是我静下心来分析原因
gurobi安装教程
07-27
安装 Gurobi 需要以下步骤： 1. 注册 Gurobi 许可证：访问 Gurobi 官方网站（https://www.gurobi.com/）并注册一个账号。然后，您可以申请一个免费的学术许可证或购买商业许可证。 2. 下载 Gurobi 软件包：登录 Gurobi 网站并下载适用于您的操作系统的 Gurobi 软件包。确保选择与您的操作系统和计算机架构（32位或64位）相对应的版本。 3. 安装 Gurobi：解压下载的软件包，并按照其中的安装说明进行操作。在安装过程中，您将需要输入许可证信息。 4. 配置环境变量：将 Gurobi 的安装路径添加到系统的 PATH 环境变量中。这样，您就可以从任何位置运行 Gurobi 相关的命令。 5. 安装 Gurobi 的 Python 接口（可选）：如果您计划在 Python 中使用 Gurobi，可以通过以下命令安装 Gurobi 的 Python 接口： ``` pip install gurobipy ``` 请确保您已经正确安装了 Python，并且已经配置好了与 Python 相关的环境变量。 6. 验证安装：在命令行终端中运行以下命令来验证 Gurobi 安装是否成功： ``` gurobi_cl ``` 如果 Gurobi 安装成功，您将看到 Gurobi 命令行界面的欢迎信息。 以上是 Gurobi 的基本安装步骤。安装完成后，您可以参考 Gurobi 的官方文档和示例代码来学习和使用 Gurobi。希望对您有帮助！如有其他问题，请随时提问。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值