古罗比例子的列表
古罗比例子的列表
我们建议您从阅读示例的概述开始(在下一节）。但是，如果您想直接潜入一个具体示例，以下是由基本功能组织的Gurobi分布中包含的所有示例的列表。以下示例的来源可以通过以下提供的链接来找到或者例子Gurobi分发的目录。
从文件中读取模型
- lp- 一个非常简单的示例，读取来自文件的连续模型，优化它，并将解决方案写入文件。如果该模型是不可行的，它将写入不可缩短的不一致子系统（IIS）。C那c++那C＃那java.那Python那R.那VB.．
- MIP2.- 从文件中读取MIP模型，优化它，然后解决MIP模型的固定版本。C那c++那C＃那java.那Python那VB.．
构建一个简单的模型
- mip1.- 构建琐碎的MIP模型，解决它，并打印解决方案。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- QP.-构建一个简单的QP模型，解决它，将它转换为MIQP模型，并再次解决它。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- QCP.-构建并解决一个简单的QCP模型。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- 双线性-建立和解决一个平凡的双线性模型。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- 紧急求救信号-建立和解决一个简单的SOS模型。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- 稠密- 解决使用密集矩阵存储的模型。我们不建议使用密集的矩阵，但如果您的数据已经处于此格式，此示例可能会有所帮助。C那c++那C＃那java.那Python那VB.．
- genconstr- 演示了使用简单的一般约束。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- 矩阵1- 仅说明导向矩阵的Python接口的Python示例。matrix1.py．
- multiobj演示多目标优化的使用。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- 分段-演示分段线性目标函数的使用。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- gc_pwl.-演示分段线性约束的使用。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- gc_pwl_func.-演示函数约束的使用。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- poolsearch-演示解决方案池的使用。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
一些简单的应用程序
- 饮食-建立并解决经典的饮食问题。演示了模型的构建和简单的模型修改-在初始模型解决后，添加了一个约束来限制乳制品的数量。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- 饮食2，饮食3，饮食4，饮食模型说明模型-数据分离的节食示例的python版本。饮食2.PY.那饮食3.py.那diet4.py那Dietmodel.py.．
- 设施-简单的设施选址模型:给定一组工厂和一组仓库，考虑到它们之间的运输成本，这个例子找到了最便宜的一组工厂，以满足产品需求。这个示例演示了MIP start的用法——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那c++那C＃那java.那MATLAB那Python那R.那VB.．
- Matrix2.- 仅使用矩阵的Python接口解决n-Queens问题的Python-only示例。matrix2.py．
- netflow- 仅解决多商品网络流程模型的Python示例。它展示了使用几种Python建模构造，包括词典，元组，托管标和托板师对象。netflow.py.py.py.．
- 投资组合- 仅解决金融组合优化模型的Python实例，其中使用Pandas包存储历史返回数据，并使用Matplotlib包绘制结果。它展示了使用熊猫，numpy和matplotlib与gurobi一起使用。portfolio.py.．
- 数独—从文件中读取数独数据集，建立MIP模型，解决该模型，解决它，并打印解决方案。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- Workforce1.制定和解决劳动力调度模型。如果模型是不可行的，示例计算并打印一个不可约不一致子系统(IIS)。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- 劳动力2.-增强
Workforce1.．这个示例解决了相同的劳动力调度模型，但是如果模型是不可行的，它将计算一个IIS，从模型中删除一个相关的约束，并进行解析。这个过程不断重复，直到模型变得可行。演示了约束去除。C那c++那C＃那java.那MATLAB那Python那R.那VB.． - Workforce3.- 不同的增强
Workforce1.．此示例解决了相同的员工调度模型，但如果模型是不可行的，它会向每个约束添加人工变量，并最小化人工变量的总和。这对应于找到所需右侧向量中的最小总变化，以使模型可行。演示可变添加。C那c++那C＃那java.那MATLAB那Python那R.那VB.． - Workforce4.-增强
Workforce3.．此示例解决了相同的员工调度模型，但它以每个约束中的人工变量开始。它首先最小化人工变量的总和。然后，它引入了一个新的二次目的，以平衡工人之间的工作量。用多个目标函数演示优化。C那c++那C＃那java.那MATLAB那Python那R.那VB.． - 劳动力5.-另一种增强
Workforce3.．此示例解决了相同的员工调度模型，但它以每个约束中的人工变量开始。它制定了一个多目标模型，其中主要目的是最小化人工变量（未覆盖的换档）的总和，并且次要目标是最小化任何一对工人之间工作的换档数量的最大差异。展示了多目标优化。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
说明具体特征
- Feasopt.- 从文件中读取MIP模型，添加人为松弛变量以放宽每个约束，然后最小化人工变量的总和。然后它计算使用相同的放松可行性放松特征。该示例通过添加Slack变量来演示简单的模型修改。它还展示了可行性放松功能。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- lpmethod.演示不同LP算法的使用。从一个文件中读取一个连续的模型，并使用多种算法解决它，这是该模型最快的报告。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- lpmod演示在LP中使用高级启动。从文件中读取一个连续模型，解决它，然后修改一个变量绑定。然后用两种不同的方法求解生成的模型:从原始模型的解开始，或从头开始。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- 参数个数- 演示Gurobi参数的使用。从文件中读取MIP模型，然后使用四个不同值中的每一个来解决模型5秒钟
MIPFocus参数。它比较了四种不同运行的最优性差距，并继续MIPFocus产生最小差距的值。C那c++那C＃那java.那MATLAB那Python那R.那VB.． - 灵敏度- MIP敏感性分析。读取MIP模型，解决它，然后计算将模型中的每个二进制变量固定为0或1.展示多场景功能。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- 调优—通过参数调优工具查询模型的优化参数。C那c++那C＃那java.那Python那VB.．
- fixanddive-实现一个简单的MIP启发式。它从一个文件中读取一个MIP模型，放宽完整性条件，然后解决这个放宽。然后，它选择一组整型变量，这些变量在松弛过程中接受整型或接近整型的值，将它们固定为最接近的整数，并再次求解松弛过程。重复这个过程，直到松弛是整数可行或线性不可行的。该实例演示了不同类型的模型修改(放宽完整性条件、改变变量边界等)。C那c++那C＃那java.那MATLAB那Python那R.那VB.．
- multicenario-简单的设施选址模型:给定一组工厂和一组仓库，考虑到它们之间的运输成本，这个例子找到了最便宜的一组工厂，以满足产品需求。由于工厂固定成本和仓库需求是不确定的，因此创建了多个场景来捕获不同的可能值。构建并求解了多场景模型，检索并显示了不同场景下的解决方案。C那c++那C＃那java.那Python那VB.．
- 批处理模式-演示批量优化的使用。C那c++那C＃那java.那Python那VB.．
- workforce_batchmode- python唯一的例子，阐述了一个劳动力调度模型。该模型采用批量优化方法求解。VTag属性用于标识一组变量，它们的解决方案信息是构建调度所需的。workforce_batchmode.py.．
- mip1_remote- 仅显示使用上下文管理器创建和处置环境和模型对象的Python示例。mip1_remote.py．
更高级的功能