Gurobi：踩坑记录/窍门分享

喵呜嘻嘻嘻

已于 2024-07-01 16:04:55 修改

阅读量545

点赞数

分类专栏： gurobi 文章标签： python

于 2022-10-17 01:37:46 首次发布

本文链接：https://blog.csdn.net/z3w97/article/details/127356149

版权

gurobi 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

将OutputFlag设置为0不生效

model.setParam(GRB.Param.OutputFlag, 0)必须要作为model.setParam系列的第一个！

两种不同的添加约束的写法

注：merge_od_work_list是list of list

第一种：正确

    for i in merge_od_work_list:
        m.addConstr(
            quicksum(y[i[0], i[1], j, t]
                     for j in range(1, n+1)
                     for t in range(1, 3)
                     )
            == i[2]
        )

第二种：报错TypeError: unhashable type: ‘list’

m.addConstrs(
            quicksum(y[i[0], i[1], j, t]
                     for j in range(1, n+1)
                     for t in range(1, 3)
                     )
            == i[2]
            for i in merge_od_work_list
        )

暂时还没搞清楚原因。

Gurobi默认变量lb为0

如果变量是free的，要设置lb=-GRB.INFINITY

关于对偶变量的符号

在这里插入图片描述

模型写入.mps文件约束名字由自定义变为默认

因为自定义的约束名字中有重复

MemoryError

换一台RAM更大的电脑
将矩阵用稀疏形式表达，例如：

import scipy.sparse as sp
A = sp.csr_matrix((d1, d2), dtype=float)

同时要注意，当用稀疏矩阵和稠密向量做内积时，要用dot而不是@：

results = A.dot(x)

上面使用 A.dot(x) 计算出的 result 将是一个稠密的 NumPy 数组，而不是稀疏矩阵。

如果你希望保持结果的稀疏性，你可以将结果转换为稀疏矩阵，但请注意，这可能会导致内存占用的增加，特别是如果结果本来非常稠密。

result_sparse = sp.csr_matrix(result)

然而，如果你需要进行后续的稀疏矩阵操作，最好保持结果为稀疏矩阵，以避免不必要的内存开销。

矩阵形式的约束-1

设系数矩阵 $A=\begin{bmatrix}a_1&a_2\\a_3&a_4\end{bmatrix}$ ，决策变量 $x=\begin{bmatrix}x_1&x_2\\x_3&x_4\end{bmatrix}$ 。现想添加如下约束：
$a_1x_1+a_2x_2+a_3x_3+a_4x_4+10=0$
正确方法：

model.addConstr(
            (A * x).sum()
            + 10 == 0,
            name='correct'
        )

错误方法：

model.addConstr(
            quicksum(A * x)
            + 10 == 0,
            name='wrong'
        )

错误方法会使得模型添加多条约束，而非一条。

矩阵形式的约束-2

设矩阵 $A$ 维度为 $m\times n$ 。
写法一：

model.addConstr(A @ x == np.zeros((m, )))

写法二：

model.addConstr(A @ x == np.zeros((m, 1)))

前者添加 $m$ 条约束，后者添加 $m\times m$ 条约束。