混合整数线性规划（MILP）是一类特殊的线性规划问题，其中部分变量被限制为整数。使用 Python 调用 Gurobi 求解混合整数线性规划问题可以按照以下步骤进行： ### 1. 安装 Gurobi 及 Python 接口 首先需要安装 Gurobi 求解器，并安装其 Python 接口 `gurobipy`。可以通过以下命令安装： ```bash pip install gurobipy ``` ### 2. 导入必要的库 在 Python 代码中导入 `gurobipy` 库： ```python import gurobipy as gp from gurobipy import GRB ``` ### 3. 创建模型 使用 `gp.Model()` 函数创建一个新的 Gurobi 模型： ```python # 声明模型 m = gp.Model("MILP_Model") ``` ### 4. 定义变量 在混合整数线性规划中，需要定义连续变量和整数变量。可以使用 `m.addVar()` 函数定义变量，并通过 `vtype` 参数指定变量类型。`GRB.CONTINUOUS` 表示连续变量，`GRB.INTEGER` 表示整数变量： ```python # 定义连续变量 x = m.addVar(vtype=GRB.CONTINUOUS, name='x') # 定义整数变量 y = m.addVar(vtype=GRB.INTEGER, name='y') ``` ### 5. 定义目标函数 使用 `m.setObjective()` 函数定义目标函数，并通过 `sense` 参数指定是求最大值还是最小值。`GRB.MAXIMIZE` 表示求最大值，`GRB.MINIMIZE` 表示求最小值： ```python # 目标函数：最大化 2x + 3y m.setObjective(2 * x + 3 * y, sense=GRB.MAXIMIZE) ``` ### 6. 定义约束条件 使用 `m.addConstr()` 函数定义约束条件： ```python # 约束条件：x + y <= 10 m.addConstr(x + y <= 10, name='constraint1') ``` ### 7. 求解模型 使用 `m.optimize()` 函数求解模型： ```python # 模型求解 m.optimize() ``` ### 8. 获取求解结果 可以通过 `m.getVars()` 函数获取所有变量，并通过 `v.x` 获取变量的值，通过 `m.ObjVal` 获取目标函数的值： ```python # 获取求解结果并打印 for v in m.getVars(): print(f'变量名：{v.varName}, 取值：{v.x}') print(f'目标值：{m.ObjVal}') ``` ### 完整代码示例 ```python import gurobipy as gp from gurobipy import GRB # 声明模型 m = gp.Model("MILP_Model") # 定义连续变量 x = m.addVar(vtype=GRB.CONTINUOUS, name='x') # 定义整数变量 y = m.addVar(vtype=GRB.INTEGER, name='y') # 目标函数：最大化 2x + 3y m.setObjective(2 * x + 3 * y, sense=GRB.MAXIMIZE) # 约束条件：x + y <= 10 m.addConstr(x + y <= 10, name='constraint1') # 模型求解 m.optimize() # 获取求解结果并打印 for v in m.getVars(): print(f'变量名：{v.varName}, 取值：{v.x}') print(f'目标值：{m.ObjVal}') ``` 通过以上步骤，就可以使用 Python 调用 Gurobi 求解混合整数线性规划问题。