gurobi_feasrelax ()

gurobi_feasrelax

(model, relaxobjtype, minrelax，点球，params=NULL, env=NULL)

这个函数计算输入的可行性松弛模型论点。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。您必须提供一个惩罚，以与放松每个单独的约束或约束(通过处罚参数)。这些惩罚有不同的解释方式，取决于价值relaxobjtype论点。

参数:

模型:模型列表必须包含有效的Gurobi模型。看到模型参数部分以获取更多信息。

relaxobjtype:对违规行为进行处罚的方法。
如果您指定relaxobjtype = 0，可行性松弛的目标是使边界违例和约束违例的加权幅度和最小。
如果您指定relaxobjtype = 1，可行性松弛的目标是使边界违例和约束违例的平方和最小。
如果您指定relaxobjtype = 2，可行性松弛的目标是最小化边界和约束违反的加权计数。
在所有情况下，重量都是从处罚＄磅，处罚＄乌兰巴托和处罚＄园艺学会．你可以提供特殊的罚款值正表示不能放松相应的界限或约束。

minrelax:minrelax参数是一个布尔值，它控制所创建的可行性松弛的类型。如果minrelax = False，优化返回的模型提供了一个最小化违规成本的解决方案。如果minrelax = True，优化返回的模型可以找到最小化原始目标的解决方案，但只能从最小化违规成本的解决方案中找到。请注意,gurobi_feasrelax必须解决一个优化问题，以找到最小可能的松弛minrelax = True，这是相当昂贵的。

处罚:处罚参数是列表的列表，具有以下可选的命名组件(默认:all)正)：
磅违反每一个下限的惩罚。
乌兰巴托违反每一个上限的惩罚。
园艺学会违反约束的惩罚。

举个例子，如果一个约束penalties.rhs价值p被2.0所违背，它会有贡献吗2 * p以可行性放宽为目标relaxobjtype = 0，2 * 2 * p为relaxobjtype = 1,p为relaxobjtype = 2．

env: env列表，允许您使用Gurobi计算服务器或Gurobi即时云。看到env参数部分以获取更多信息。

返回值:

一个列表包含两个命名组件:
结果＄模型的列表变量，如模型论证部分。
结果＄feasobj一个标量。如果minrelax = = true这是松弛问题的目标值，否则为0.0。

使用示例:
处罚< -列表() 模型< - gurobi_read(“stein9.mps”) 处罚＄磅< -代表(1、长度(模型＄磅)) 处罚＄乌兰巴托< -代表(1、长度(模型＄乌兰巴托)) 处罚＄rhs < -代表(1,长度(模型＄rhs)) feasrelaxresult <- gurobi_feasrelax(model, 0, False，罚金)