### 如何在 Python 中导入和使用 Gurobi 优化求解器 要在 Python 中使用 Gurobi 的优化求解器 `gurobipy` 来解决线性规划或优化问题，需遵循以下说明： #### 导入 Gurobi 库 首先需要确保已正确安装 Gurobi 软件及其 Python 接口。可以通过 pip 或者手动下载安装包完成安装[^2]。一旦安装成功，可以在脚本中通过如下方式引入 Gurobi 模块： ```python import gurobipy as gp from gurobipy import GRB ``` #### 创建模型实例 创建一个新的优化模型对象是解决问题的第一步。这一步定义了一个空白的模型框架，后续所有的变量、目标函数和约束都将被添加到这里。 ```python model = gp.Model("example_model") ``` #### 添加决策变量 对于任何优化问题来说，都需要定义一组决策变量。这些变量代表了我们需要寻找最优值的对象。例如，在一个简单的最大化利润问题中，可能有多个产品的生产数量作为决策变量。下面是一个例子，展示如何向模型中添加连续型变量 \(x\) 和离散型变量 \(y\)： ```python x = model.addVar(vtype=GRB.CONTINUOUS, name="x", lb=0) # 连续变量 x >= 0 y = model.addVar(vtype=GRB.INTEGER, name="y", lb=0) # 整数变量 y >= 0 ``` 上述代码中的参数解释为： - `vtype`: 变量类型（如连续型 `CONTINUOUS`, 整数型 `INTEGER`）。 - `name`: 给定变量的名字以便于识别。 - `lb`: 下界，默认情况下无下界的变量会被设为负无穷大。 #### 设置目标函数 设定目标函数是为了告诉求解器我们的目的是最小化还是最大化某个表达式的值。继续上面的例子，如果希望最大化 \(3x + 4y\) ，则设置如下： ```python objective = 3 * x + 4 * y model.setObjective(objective, sense=GRB.MAXIMIZE) ``` 此处的关键在于指定 `sense` 参数——取值可以是 `MAXIMIZE` 表示最大化或者 `MINIMIZE` 表示最小化。 #### 增加约束条件 实际应用中通常存在一些限制因素使得某些组合不可行。因此还需要把这些问题转化为数学形式加入到模型里去。比如假设有两个不等式约束分别为 \(x + 2y \leq 14\) 和 \(3x - y \geq 0\) , 则可以用以下语句实现： ```python model.addConstr(x + 2*y <= 14, "constraint_1") # 不等式约束 model.addConstr(3*x - y >= 0, "constraint_2") # 不等式约束 ``` #### 执行优化过程并获取结果 当所有必要的组件都准备好以后就可以运行求解算法啦！调用 `.optimize()` 方法启动计算流程，并检查状态以确认是否有可行解找到。 ```python model.optimize() if model.status == GRB.OPTIMAL: print('Optimal objective value:', model.objVal) else: print('No optimal solution found.') print(f"x*={x.x}, y*={y.x}") ``` 以上就是完整的基于 Gurobi 的 Python 实现步骤概述^。 --- ### 示例代码总结 以下是综合上述各部分内容的一个简单完整案例演示： ```python import gurobipy as gp from gurobipy import GRB # Step 1: Create a new model. m = gp.Model("simple_example") # Step 2: Add variables to the model. x = m.addVar(name='x', vtype=GRB.CONTINUOUS, lb=0) y = m.addVar(name='y', vtype=GRB.INTEGER, lb=0) # Step 3: Set up the objective function. obj_fn = 3 * x + 4 * y m.setObjective(obj_fn, GRB.MAXIMIZE) # Step 4: Incorporate constraints into the model. m.addConstr(x + 2 * y <= 14, 'c0') m.addConstr(3 * x - y >= 0, 'c1') # Step 5: Optimize and retrieve results. m.optimize() for var in m.getVars(): print('%s %f' % (var.varName, var.x)) print('Obj:%f'%m.objVal) ``` ---