feasopt。R
这个例子从一个文件中读取一个MIP模狗万app足彩型，为每个约束添加人工#变量，然后最小化人工#变量的和。目标为0的解对应于输入模型的一个可行解。#我们也可以使用FeasRelax功能来做到这一点。在这个例子中，我们#使用minrelax=1，即优化返回的模型#，找到一个最小化原始目标的解决方案#，但只能从那些最小化人工变量总和的#解决方案中找到。库(矩阵)库(gurobi) args <- commandArgs(trailingOnly = TRUE) if (length(args) < 1) {stop('用法:Rscript feasopt. txt . txt . html ')R filename\n')} #设置环境env <- list() env＄logfile <- 'feasopt.log' #读取模型cat('Reading model'，args[1]，'…')模型<- gurobi_read(args[1]， env) cat('…done\n') #创建惩罚惩罚<- list()惩罚＄Inf惩罚＄ub <- Inf处罚＄rhs < -代表(1,长度(模型＄rhs)) result <- gurobi_feasrelax(model, 0, TRUE，点球，env = env) #显示结果if (result . env＄feasobj > 1e-6) {cat('模型'，args[1]，'在变量范围内是不可行\n')} else {cat('模型'，args[1]，'是可行\n')} #清除空间rm(env，模型，惩罚，结果)
