敏感性..
功能灵敏度（文件名）％2019版权所有2019，Gurobi优化，LLC％％简单的灵敏度分析示例，狗万app足彩其从文件中读取MIP模型％并解决。然后，每个二进制变量都设置为％到1-x，其中x是它在最佳解决方案中的值，并且报告了对目标函数值的影响。％读取模型fprintf（'读取模型％s \ n'，文件名）;model = gurobi_read（文件名）;cols = size（model.a，2）;ivars = find（model.vtype〜='c'）;如果长度（ivars）<= 0 fprintf（'模型的所有变量是连续的，无什么可以做的\ n'）;返回;终端％优化结果= Gurobi（型号）;％捕获解决方案信息如果结果.Status〜='最佳'fprintf（'模型状态为％d，quit \ n'，结果.status）; end origx = result.x; origobjval = result.objval; params.OutputFlag = 0; % Iterate through unfixed binary variables in the model for j = 1:cols if model.vtype(j) ~= 'B' && model.vtype(j) ~= 'I' continue; end if model.vtype(j) == 'I' if model.lb(j) ~= 0.0 || model.ub(j) ~= 1.0 continue; end else if model.lb(j) > 0.0 || model.ub(j) < 1.0 continue; end end % Update MIP start for all variables model.start = origx; % Set variable to 1-X, where X is its value in optimal solution if origx(j) < 0.5 model.start(j) = 1; model.lb(j) = 1; else model.start(j) = 0; model.ub(j) = 0; end % Optimize result = gurobi(model, params); % Display result if ~strcmp(result.status, 'OPTIMAL') gap = inf; else gap = result.objval - origobjval; end fprintf('Objective sensitivity for variable %s is %g\n', ... model.varnames{j}, gap); % Restore original bounds model.lb(j) = 0; model.ub(j) = 1; end
