结果

一旦我们添加了模型约束，我们就会打电话优化然后输出最佳解决方案：

＃计算最佳解决方案m.optimize（）＃打印解决方案如果m.status == grb.optimal：solution = m.getattr（'x'，flow）在商品中的h：print（'\ noptimal流量为％s：'％h）对于i，j在弧中：如果解决方案[h，i，j]> 0：print（'％s  - >％s：％g'％（i，j，solution [h，i，j]））

如果您运行该示例gurobi.sh netflow.py.，您应该看到以下输出：

使用许可证文件/opt/gurobi/gurobi.lic 将参数logfile设置为value gurobi.log

Gurobi Optimizer版本9.0.1 Build V9.0.1RC0（Linux64）

优化16行，12列和36个非系统模型指纹：0xF10778BA系数统计：矩阵范围[1E + 00，1E + 00]物镜范围[1e + 01,8e + 01]边界范围[0e + 00，0e +00] RHS范围[1E + 01，1E + 02]预定删除了16行和12列预定刻度：0.00s预定：所有行和列已移除迭代目标原始INF。双伊米。Time 0 5.5000000E + 03 0.000000E + 00 2.000000E + 01 0s额外的单纯折叠uncrush 1 5.5000000E + 03 0.000000E + 00 0. 0.000000E + 00 0.000000E + 00 0s在1次迭代中解决，0.00秒最佳目标5.500000000E + 03最佳流动对于铅笔：底特律 - >波士顿：50丹佛 - >纽约：50丹佛 - >西雅图：10款最优流量：底特律 - >波士顿：30底特律 - >纽约：30丹佛 - >波士顿：10丹佛 - >西雅图：30