poolsearch.py.
＃！/ usr / bin / env python3.7＃版权所有2021，guro狗万app足彩bi优化，llc＃我们发现替代的epsilon - 通过使用gulobipy导入gurobipy进口gurobipy进口gurobipy进口gurobipy进口gurobipy，找到替代的epsilon - 最佳解决方案。尝试：＃样品数据磨砂机=范围（10）objcoef = [32,32,15,15,6,6,1，1,1,1] Knapsackcoef = [16,16,8,8,4,4,2，2,1，1]预算= 33＃创建初始模型模型= gp.model（“poolsearch”）＃为tupledict.prod（）函数objcoefdict = dict（zip（proundset，objcoef））knapsackcoefdict = dict（zip（proundset，whapsackcoef））＃初始化地面集的决策变量：＃x [e] == 1如果选择元素e elem = model.addvars（proundset，vtype = grb.binary，name ='el'）＃设置目标函数model.modelsense = grb.maximize model.setObjective（elem.prod（objcoefdict））＃约束：限制要选择的元素总数为大多数#pupget model.addconstr（elem.prod（whapsackcoefdict）<=预算，名称='BudgeT'）＃限制要收集Model.SetParam（GRB.Param.Poolsolutions，1024）＃限制搜索空间，通过为最坏可能的解决方案＃用于接受Model.SetParam（grb.param.poolgap，0.10）＃对K-Best Solutions Model.SetParam（GRB.Param.PoolsearchMode，2）＃保存问题模型.write（'poolsearch.lp'）＃优化model.optimize（）model.setparam（grb.param.outputflag，0）＃状态检查状态= model.status如果状态（grb.inf_or_unbd，grb.infeasible，grb.unnounded）：print（'模型不能解决，因为它是不可行的或''无限制'）sys.exit（1）如果状态！= grb.optimal：print（使用状态'+ str（状态）停止优化）sys.exit（1）＃打印最佳选定的设置打印（“最佳解决方案中的选定元素：'）在proundset中打印（'\ t'，end =''）：如果Elem [e] .x> .9：print（'el％d'％e，end =''）打印（''）#Print of solutions of solutions nsolutions = model.solcount打印（'找到的解决方案数：'+ str（nsolu））＃e在范围内的解决方案的物理值（nsolutions）：model.setparam（grb.param.solutionnumber，e）打印（'％g'％model.poolobjval，如果e％15 == 14：打印（''）打印（''）＃打印第四个最佳集合如果可用（nsolutions> = 4）：model.setparam（grb.param.solutionnumer，3）打印（'第四个最佳解决方案中的选定元素：'）在proundset中打印（'\ t'，end =''）：如果Elem [e] .xn> .9：print（'el％d'％，end =''）打印（''） except gp.GurobiError as e: print('Gurobi error ' + str(e.errno) + ": " + str(e.message)) except AttributeError as e: print('Encountered an attribute error: ' + str(e))
