灵敏度
#版权2019，Gurobi Opt狗万app足彩imization，LLC###一个简单的灵敏度分析示例，从文件中读取MIP模型#并对其进行求解。然后将每个二进制变量#设置为1-X，其中X是其在最优解中的值，并且#报告对目标函数值的影响。库（矩阵）库（Gurobi）args<-commandArgs（trailingOnly=TRUE）如果（长度（args）<1）{stop（'Usage:Rscript sensitivity.R filename\n'）}读取模型cat（'Reading model'，args[1]，'…'）model<-gurobi_Read（args[1]）cat（'…done\n'）#检测一组非连续变量numvar<-ncol（model$A） intvars<-哪个型号$vtype！=“C”）numintvars<-length（intvars）if（numintvars<1）{stop（'All model's variables continued，noto to do'）}优化结果<-gurobi（model）#捕获解决方案信息if（result$状态！='OPTIMAL'）{cat（'optimation finished with status'，result$状态，'\n'）停止（'stop now\n'）}origx<-result$x origobjval<-结果$objval#如果lb和ub不存在，则创建它们，如果（！（'lb'%in%names（model））{model，则将它们设置为默认值$lb<-numeric（numvars）}if（！（'ub'%in%names（model））{#不需要这一行，因为我们必须定义ub模型$ub<-Inf+numeric（numvars）}#禁用后续参数的输出<-list（）参数$OutputFlag<-0#在（j in 1:numvars）{if（model）的模型中迭代未固定的二进制变量$vtype[j]！='B'&型号$vtype[j]！=“I”）下一个if（型号$vtype[j]=='I'）{if（型号$lb[j]！=0.0）下一个if（型号$ub[j]！=1.0）next}else{if（model$lb[j]>0.0）下一个if（型号$ub[j]<1.0）下一步}#更新所有变量模型的MIP开始$start<-origx#将变量设置为1-X，其中X是其在最优解中的值，如果（origx[j]<0.5）{model$启动[j]<-1型$lb[j]<-1}else{model$启动[j]<-0型$ub[j]<-0}#优化结果<-gurobi（模型，参数）#如果（'varnames'%in%names（model））{varnames<-model），则显示结果varnames<-if（'varnames'%in%names（model））{varnames<-model$varnames[j]}else{varnames<-sprintf（'%s%d'，model$vtype[j]，j）}间隙<-0如果（结果$状态！=“最佳”）{gap<-Inf}其他{gap<-result$objval-origobjval}cat（'变量的客观敏感性'，变量名，'is'，间隙，'\n'）#恢复原始边界模型$lb[j]<-0型$ub[j]<-1}#净空间rm（模型、参数、结果、origx）
