gurobi

0熱度

1回答

我面臨一個問題，我必須迭代地調用Gurobi引擎。在運行之間，我必須更新一些約束條件中的常數項。我查閱了手冊，其中我發現GRBModel :: chgCoeff（）可用於更改約束條件中變量的係數，但不存在與更改常數項有關的函數。任何想法做到這一點？謝謝！

0熱度

1回答

盒包裝的Gurobi C＃優化

我有三個產品和五盒： var products = new string[] { "A", "B", "C"}; var boxes = new string[] { "1", "2", "3" ,"4","5"}; 和尺寸是： double[,] boxDimensions = new double[,] {{8}, {15},

0熱度

1回答

爲什麼在gurobi預先解決後二元變量出現無處可逃？

我正試圖解決在gurobi一個相當大的MIP模型。我正在使用'.lp'文件作爲gurobi的輸入。我的問題有連續和整數變量。但沒有二進制變量同時解決在gurobi命令外殼模型。爲什麼二進制變量（其中93個）在預先解決後創建？

1熱度

1回答

隨着gurobi我怎麼能約束變量的一組值

域這是我如何使用addVar添加變量納入模型： my_set[j, t] = self.m.addVar(vtype=GRB.INTEGER, lb=min_value, ub=max_value, name='test') 這可以作爲一個整數落下唯一的限制值min_value和max_value之間，但實際上我想約束某些整數集中的可能值。我該怎麼做？

0熱度

1回答

向Gurobi模型添加約束時遇到問題

我有一張地圖m; ，我能夠運行的代碼行如 m[constraint_name] += x_a; or m[constraint_name] -= x_a; 然而，當我想從這個地圖添加約束到模型，它總是失敗：模型。 addConstr（m [cons_name] == 1，cons_name）; 我得到以下錯誤代碼：錯誤代碼= 20001 不是模型爲您的問題的解釋感謝，我該如何解決呢？

4熱度

1回答

Gurobi模型修改速度慢，我可以直接修改約束矩陣嗎？

我想對現有模型中的係數進行更改。目前（使用Python API）我正在循環約束並調用model.chgCoeff，但速度很慢。有沒有更快的方法，可能是直接在Python和/或C API中訪問約束矩陣？實施例下面的代碼。這種緩慢的原因似乎主要是因爲循環本身;用其他操作代替chgCoeff仍然很慢。通常我會通過使用向量操作而不是循環來解決這個問題，但是如果沒有對約束矩陣的訪問，我認爲我不能這樣做。

0熱度

1回答

Gurobi Irreducible Subset ISS不包含衝突嗎？

我正在使用Gurobi的C++接口來解決混合整數編程問題。這個模型似乎運作得很好，但是當將結果與局部搜索啓發式進行比較時，我發現簡單的貪婪局部搜索產生了更好（可行）的解決方案。要查看導致問題的原因，我爲小實例添加了一些額外的約束，強制解決方案與本地搜索過程找到的解決方案相同。如預期的那樣，這導致了一個不可行的問題，我從Gurobi確定了不可約子集（ISS）。但是，當手動檢查生產的ISS 時，我發現

1熱度

2回答

蟒蛇的Python 6.0.4 Gurobi安裝_Py_FalseStruct錯誤

爲了運行的優化問題，我們與巨蟒（2.2.0版）的Python成立Gurobi 6.0.4一起（的Python 2.7.9）。在的Linux CentOS版本6.6（決賽）與2.6.32-504.16.2.el6.x86_64內核繼Gurobi的安裝指南（這裏列出：http://www.gurobi.com/documentation/6.0/quickstart_linux.pdf）一切工

0熱度

2回答

在Python中反覆求解Gurobi模型

我需要反覆求解一個gurobi模型（每次迭代使用不同的變量值）。我沒有重建每次迭代的模型，而是嘗試設置模型，然後循環重複優化，但變量值不更新。這是一個簡單的例子。 n = Model("Test") a = n.addVar(lb=0,name = "a") b = n.addVar(lb=0,name = "b") a=1 b=1 x = n.addVar(lb=0,name = "x

0熱度

1回答

Gurobi Python界面中的二次客觀術語

我面臨着二次客觀術語的問題。爲了說明我的意圖，我編了一個非常簡單的代碼。代碼解釋：我們要給一個女孩糖果。女孩喜歡收到1顆糖果（joy_per_candy）取決於她收到的糖果總數。我們給她的糖果越少，她的joy_per_candy。的目標是最大化她的總喜悅，這是二次項： total_joy = candies * joy_per_candy 在低於1種糖果的情況下產生的10 joy_per_c