古罗比示例列表

我们建议您首先阅读示例概述（从中开始）下一节)．但是，如果您想直接研究特定的示例，下面是Gurobi发行版中包含的所有示例的列表，按基本功能进行组织。示例的来源可以通过下列链接找到，或在例子Gurobi分发目录。

从文件中读取模型

lp-一个非常简单的例子，从文件中读取连续模型，优化它，并将解决方案写入文件。如果模型不可行，它就会编写一个不可约不一致子系统(IIS)。C，C++，c#，Java，python，R，VB．
mip2—从文件中读取MIP模型，对其进行优化，然后求解MIP模型的固定版本。C，C++，c#，Java，python，VB．

建立一个简单的模型

mip1-建立一个简单的MIP模型，解决它，并打印解决方案。C，C++，c#，Java，MATLAB，python，R，VB．
qp-构建一个简单的QP模型，对其进行求解，将其转换为MIQP模型，然后再次求解。C，C++，c#，Java，MATLAB，python，R，VB．
qcp-建立并解决一个简单的QCP模型。C，C++，c#，Java，MATLAB，python，R，VB．
双线性-建立并求解一个简单的双线性模型。C，C++，c#，Java，MATLAB，python，R，VB．
求救-构建并解决一个简单的SOS模型。C，C++，c#，Java，MATLAB，python，R，VB．
密集的-求解使用密集矩阵存储的模型。我们不推荐使用密集矩阵，但如果您的数据已经采用这种格式，那么这个示例可能会有所帮助。C，C++，c#，Java，python，VB．
genconstr-演示简单的通用约束的使用。C，C++，c#，Java，MATLAB，python，R，VB．
matrix1-仅Python示例，演示了面向矩阵的Python接口。matrix1.py．
多目标-演示了多目标优化的使用。C，C++，c#，Java，MATLAB，python，R，VB．
分段-演示分段线性目标函数的使用。C，C++，c#，Java，MATLAB，python，R，VB．
gc_pwl-演示分段线性约束的使用。C，C++，c#，Java，MATLAB，python，R，VB．
gc_pwl_func-演示函数约束的使用。C，C++，c#，Java，MATLAB，python，R，VB．
池搜索-演示解决方案池的使用。C，C++，c#，Java，MATLAB，python，R，VB．

一些简单的应用

饮食-构建并解决经典的饮食问题。演示模型构建和简单的模型修改-初始模型求解后，添加约束以限制乳制品的数量。C，C++，c#，Java，MATLAB，python，R，VB．
饮食2，饮食3，饮食4，饮食模式-Python只是diet示例的变体，用于说明模型数据分离。diet2.py，diet3.py，节食4.py，dietmodel.py．
设施-简单的设施选址模型:给定一组工厂和一组仓库，它们之间有运输成本，这个例子找到最便宜的一组工厂，以满足产品需求。这个示例演示了MIP启动的使用——该示例计算一个初始的启发式解决方案，并将该解决方案传递给MIP求解器。手机万博登录C，C++，c#，Java，MATLAB，python，R，VB．
matrix2-仅Python示例，使用面向矩阵的Python接口解决了n皇后问题。matrix2.py．
网络流量-一个纯python的例子，解决了一个多商品网络流模型。它演示了几种Python建模构造的使用，包括字典、元组、tupledict和tuplelist对象。netflow.py．
文件夹-一个纯python示例，解决了一个金融投资组合优化模型，其中历史回报数据使用pandas包存储，结果使用matplotlib包绘制。它演示了将pandas、NumPy和Matplotlib与Gurobi结合使用。portfolio.py．
数独-从文件中读取数独谜题数据集，构建MIP模型以求解该模型，求解该模型，然后打印解决方案。C，C++，c#，Java，MATLAB，python，R，VB．
workforce1-制定并求解劳动力调度模型。如果模型不可行，则示例计算并打印不可约不一致子系统（IIS）。C，C++，c#，Java，MATLAB，python，R，VB．
workforce2-增强workforce1。此示例解决了相同的劳动力调度模型，但如果该模型不可行，则会计算IIS，从模型中删除一个关联的约束，然后重新求解。此过程将重复进行，直到模型变得可行。演示了约束删除。C，C++，c#，Java，MATLAB，python，R，VB．
workforce3-不同的增强workforce1．这个例子解决了相同的劳动力调度模型，但是如果模型不可行，它会在每个约束中添加人工变量，并使人工变量的总和最小化。这相当于找到使模型可行所需的右边向量的最小总变化量。显示变量。C，C++，c#，Java，MATLAB，python，R，VB．
workforce4-增强workforce3．这个例子解决了相同的劳动力调度模型，但是它从每个约束中的人工变量开始。它首先使人工变量的总和最小化。然后，引入一个新的二次目标来平衡员工的工作量。演示多目标函数优化。C，C++，c#，Java，MATLAB，python，R，VB．
workforce5-另一种增强workforce3．这个例子解决了相同的劳动力调度模型，但是它从每个约束中的人工变量开始。它建立了一个多目标模型，其中主要目标是最小化人工变量的总和(未暴露的班次)，次要目标是最小化任何一对工人之间工作班次的最大差异。演示了多目标优化。C，C++，c#，Java，MATLAB，python，R，VB．

说明特定的功能

feasopt-从文件中读取MIP模型，添加人工松弛变量来放松每个约束，然后最小化人工变量之和。然后用可行性放宽特性。该示例演示了通过添加松弛变量进行简单的模型修改。并论证了该方法的可行性。C，C++，c#，Java，MATLAB，python，R，VB．
lpmethod-演示不同LP算法的使用。从文件中读取连续模型，并使用多种算法进行求解，并报告该模型最快的算法。C，C++，c#，Java，MATLAB，python，R，VB．
多功能手术解剖器-演示在LP中使用高级启动。从文件中读取连续模型，对其进行求解，然后修改一个变量绑定。然后以两种不同的方式对生成的模型进行求解：从原始模型的求解开始，或从头开始重新启动。C，C++，c#，Java，MATLAB，python，R，VB．
params-演示Gurobi参数的使用。从文件中读取MIP模型，然后用4个不同值中的每个值花费5秒来求解模型MIPFocus参数。它比较四种不同运行的最佳性差距，并继续MIPFocus产生最小间隙的值。C，C++，c#，Java，MATLAB，python，R，VB．
体贴- MIP敏感性分析。读取一个MIP模型，求解它，然后计算将模型中的每个二进制变量固定为0或1的客观影响。演示多场景特性。C，C++，c#，Java，MATLAB，python，R，VB．
曲调-使用参数调整工具搜索模型的改进参数设置。C，C++，c#，Java，python，VB．
固定潜水-实现一个简单的MIP启发式。它从文件中读取MIP模型，放松完整性条件，然后求解松弛。然后选择一组整数变量，在松弛过程中取整数值或近似整数值，将其固定为最接近的整数，然后再次求解松弛。重复此过程，直到松弛要么是整数可行，要么是线性不可行。该示例演示了不同类型的模型修改（松弛完整性条件、更改变量边界等）。C，C++，c#，Java，MATLAB，python，R，VB．
multiscenario-简单设施选址模型：给定一组工厂和一组仓库，以及它们之间的运输成本，本例找到最便宜的一组工厂以满足产品需求。由于工厂固定成本和仓库需求不确定，因此创建多个场景以捕获不同的可能成本构建并求解多场景模型，检索并显示不同场景的解决方案。C，C++，c#，Java，python，VB．
batchmode-演示批处理优化的使用。C，C++，c#，Java，python，VB．
workforce_batchmode-Python是唯一一个制定劳动力调度模型的示例。该模型使用批处理优化进行求解。VTag属性用于标识构建调度所需的解决方案信息的变量集。workforce_batchmode.py．

更高级的功能

tsp-使用懒惰约束解决旅行推销员问题。C，C++，c#，Java，python，VB．
回拨-演示Gurobi回调的使用。C，C++，c#，Java，python，VB．