Model.feasRelax ()

feasRelax(relaxobjtype, minrelax, vars, lbpen, ubpen, cstrs, rhspen)

修改模型对象创建的可行性松弛。请注意，您需要打电话优化对结果进行实际松弛解的计算。还请注意，这是该方法的一个更复杂的版本——usefeasRelaxS这是一个简化的版本。

可行性松弛是一种模型，当求解时，使解违反原模型的边界和线性约束的数量最小化。此方法提供了许多用于指定松弛的选项。

如果您指定relaxobjtype = 0时，可行性松弛的目标是使边界违例和约束违例的加权大小之和最小化。的lbpen，ubpen,rhspen参数分别指定在下界、上界和线性约束中每单位冲突的代价。

如果您指定relaxobjtype = 1时，可行性松弛的目标是最小化约束违例和约束违例的加权平方和。的lbpen，ubpen,rhspen参数分别指定下界、上界和线性约束违反的平方上的系数。

如果您指定relaxobjtype = 2，可行性松弛的目标是最小化约束和约束违例的加权计数。的lbpen，ubpen,rhspen参数分别指定违反下界、上界和线性约束的代价。

举个例子，如果一个约束与rhspen价值p被2.0侵犯了，它会有贡献吗2 * p以可行性放宽为目标relaxobjtype = 0，它将有助于2 * 2 * p为relaxobjtype = 1，它会有所贡献p为relaxobjtype = 2．

的minrelaxArgument是一个布尔值，它控制创建的可行性松弛的类型。如果minrelax = False，优化返回的模型给出了一个解决方案，使冲突的代价最小化。如果minrelax = True，优化返回的模型，找到一个使原始目标最小化的解决方案，但只从这些解决方案中最小化冲突的代价。请注意,feasRelax必须解决一个优化问题，以找到最小的可能松弛时minrelax = True这可能相当昂贵。

注意，这是一个破坏性的方法:它修改调用它的模型。如果您不想修改您的原始模型，请使用复制在调用此方法之前创建副本。

参数:

relaxobjtype:寻找最小成本松弛时使用的成本函数。

minrelax:执行的可行性放宽的类型。

var:允许违反边界的变量。

lbpen:违反变量下界的惩罚。参数中的每个变量都有一个条目var．

ubpen:违反变量上界的惩罚。参数中的每个变量都有一个条目var．

若干:允许违反的线性约束。

rhspen:违反线性约束的惩罚。参数中的每个变量都有一个条目若干．

返回值:

零,如果minrelax是假的。如果minrelax为True时，返回值为执行松弛操作的客观值。如果小于0，表示该方法创建可行性松弛失败。

使用示例:

如果模型。状态= =伽马线暴。不可行:vars = model. getvars () upen = [1.0]*model. getvars () upen = [1.0]*model. getvars ()numVars模型。feasRelax(1, False, vars, None, ubpen, None, None) model.optimize()