Gurobi + Python

自學Gurobi的時候發現國内缺乏相對應的教程，大多止于淺層的gurobi安裝和搭載，稍微深入點也隻是最基礎的模型建立：add variable, update, add constraint, set objective, optimize 和基本的讀寫。甚至缺乏對于結果的解讀。

Google到的内容比百度多的多。

最好的資料當然是官網的 http://www.gurobi.com/documentation/ 的 Example Tour 和 Referenec Manual;

存檔一下學習中遇到的坑。

1. addConstr()

隻能 ==, <=, >= ，不能<, >

2. if ... else

如果想實作 if x>0 : a = 1 ; else : a = 0

不能直接實作，要進行一定的轉化。

x <= a * A <= A + x - B (A 為足夠大的常數，B為足夠小的正數（小于x可能達到的最小值，大于0），a為binary)

3. max_(), abs_()

這些函數，括号裡面都必須是variable，不能是LinExpr(), 有必要的話，可以建成新的variable再使用max_()和abs_()函數

當結果是Model is infeasible 時：利用 Model.computeIIS() 來查問題（雖然我認為并不是太好用）

Reference :https://nathanbrixius.wordpress.com/2012/09/28/detecting-the-sources-of-model-infeasibility-using-gurobi/

model = Model()
vars = model.getVars()
constrs = model.getConstrs()

for i in range (len(constrs)):
    print (constrs[i].getAttr(GRB.Attr.IISConstr))
for i in range(len(solution)):
    print (solution[i].getAttr(GRB.Attr.IISLB), "  ", vars[i].getAttr(GRB.Attr.IISUB))

輸出 1 有問題； 0 沒問題

4. 如何輸出指定個數的較優解

PoolSearchMode 表示Gurobi搜尋最優解的方式。預設值為0，表示目标為搜尋唯一最優解；設定為1，表示搜尋多個解，但不保證解的品質；設定為2，表示搜尋多個解，優先取高品質的解。

PoolSolutions 表示存儲的解的個數。改變該參數并不能改變該模型的可行解個數。但在使用過程中發現，當PoolSearchModel = 2, 如果有很多個可行解，SolCount不會顯示實際可行解個數（由于運作時間限制），此時改變PoolSolutions可改變SolCount，得到更多可行解。

X 當PoolSearchMode為預設值0時，求解得到唯一解，存儲在X中，可通過以下代碼得到該解

model = Model()
vars_x = model.addVar(lb=0, ub = 1, vtype = GRB.CONTINUOUS)

....
vars =  model.getVars()
print ("最優解為"vars[0].getAttr("X"))

Xn 當PoolSearchMode為1或者2時，得到多個解（包括sub-optimal），存儲在Xn中，可通過以下代碼得到解。其中當SolutionNumber 設定為 0 時，得到的解與 X 相同

model = Model()
vars_x = model.addVar(lb=0, ub = 1, vtype = GRB.CONTINUOUS)
model.setParam("PoolSearchMode",2)
model.setParam("PoolSolutions",10)
....
vars =  model.getVars()
for i in range(10):
    model.setParam("SolutionNumber",i)
    print ("最優解為"vars[0].getAttr("Xn"))

SolCount 表示搜尋得到的解個數，SolutionNumber一定小于SolCount

SolutionNumber 表示得到的解個數，可以将這個參數看作Xn的index，範圍為[0,SolCount-1]。每修改一次，輸出不同的Xn