下载安装COPT+如何在jupyter中使用（安装心得，windows，最新7.2版本）

Terry_trans

于 2024-11-03 12:26:22 发布

阅读量1.1k

点赞数 26

分类专栏：数学建模文章标签： jupyter 数学建模

本文链接：https://blog.csdn.net/weixin_58587245/article/details/143462338

版权

数学建模专栏收录该内容

8 篇文章

订阅专栏

1.到杉树科技官网申请下载COPT

2.安装COPT&配置许可文件

3.在jupyter中使用COPT的python接口

最近看到一本和数学建模有关的新书：《数学建模与数学规划：方法、案例及编程实战》，作为数学建模老手，肯定要学习一下，这本书是国内为数不多的针对优化、规划类数学建模问题的实战教材，使用python语言，COPT和GUROBI求解器。

之前一直使用gurobi求解规划问题，这次正好是一个学习国产求解器杉树COPT的好机会，遂安装试用。以下是自己快速下载、安装的过程，从下载到安装到Anaconda自定义的环境中总花费时间不超过20分钟。

1.到杉树科技官网申请下载COPT

试用杉数求解器COPT-杉数科技

学生可以凭借学校邮箱申请学术用户，365天免费试用。

按照指示填写信息即可：

注意填写用户账号的时候，windows直接打开cmd窗口，可以得到计算机用户名，杉树官网下面也给出了具体获取的步骤，很贴心，这一步是因为软件的license试用许可仅在一台机器使用，并且会绑定计算机的用户名。

echo %USERNAME%

2.安装COPT&配置许可文件

点击提交申请之后，就可以在自己的学生邮箱中查看邮件了，邮记得下载软件许可文件和安装包。邮件里面有两个下载链接，直接下载这个-installer的压缩包就行，解压之后运行安装程序，可以自动完成一些安装工作（在邮件里面没有解释，在用户手册里面有解释，邮件里面有两个下载链接，-installer可以自动给配置环境变量。用户册在安装的位置下的docs/copt-userguide_cn.pdf）

解压-installer文件夹，双击下面的安装程序，进行安装

安装程序安装过程简单，只需注意安装位置的选择即可，可以默认C盘，也可自定义安装位置。注意，安装之后要重启计算机，注意保存其它文件。

到这还没完，还要配置许可文件，在用户目录下（用户目录C:\Users\用户名）新建一个名为copt的文件夹，将邮件中的license.dat和license.key移动到这个文件夹下（这个步骤在用户手册的第16页，直接看16页就行）

注：用户手册14页应该是有个问题，邮件里面有许可文件了，应该不需要获取许可了，应该是少打了一个“无”字，杉树老师们可以看过来，是不是可以给用户手册勘误一下。

最后验证一下安装配置是否完成（用户手册20页），打开cmd，输入copt_cmd，显示以下界面，即可。

3.在jupyter中使用COPT的python接口

这里由于我只想安装到我自己已有的anaconda环境中，步骤如下：

打开Anaconda powershell Prompt

conda activate 环境名称
cd E:/copt72/lib/python
python setup.py install

就是先激活自己的环境，然后进入自己的copt安装文件位置下的python文件夹，运行里面的setup.py文件，即可安装coptpy和相关依赖包。

最后，验证是否能使用，cd进入安装文件夹下的examples/python文件夹，运行lp_ex1.py文件，显示如下的计算结果，证明安装coptpy包安装成功

最后可以打开jupyter,写一下示例代码，没有报错，执行成功！可以继续按照书进行学习啦！

import coptpy as cp
from coptpy import COPT

# Create COPT environment
env = cp.Envr()

# Create COPT model
model = env.createModel("lp_ex1")

# Add variables: x, y, z
x = model.addVar(lb=0.1, ub=0.6, name="x")
y = model.addVar(lb=0.2, ub=1.5, name="y")
z = model.addVar(lb=0.3, ub=2.8, name="z")

# Add constraints
model.addConstr(1.5*x + 1.2*y + 1.8*z <= 2.6)
model.addConstr(0.8*x + 0.6*y + 0.9*z >= 1.2)

# Set objective function
model.setObjective(1.2*x + 1.8*y + 2.1*z, sense=COPT.MAXIMIZE)

# Set parameter
model.setParam(COPT.Param.TimeLimit, 10.0)

# Solve the model
model.solve()

# Analyze solution
if model.status == COPT.OPTIMAL:
    print("Objective value: {}".format(model.objval))
    allvars = model.getVars()

    print("Variable solution:")
    for var in allvars:
        print(" x[{0}]: {1}".format(var.index, var.x))

    print("Variable basis status:")
    for var in allvars:
        print(" x[{0}]: {1}".format(var.index, var.basis))

# Write model, solution and modified parameters to file
# model.write("lp_ex1.mps")
# model.write("lp_ex1.bas")
# model.write("lp_ex1.sol")
# model.write("lp_ex1.par")