更改参数

而不是像这样在困难的模型上继续优化玻璃4，有时尝试不同的参数设置是有用的。当下界移动缓慢时，就像在这个模型中那样，一个可能有用的参数是MIPFocus，它调整高级MIP解决方案策略。现在，让我们将此参数设置为值1，这会将MIP搜索的重点更改为找到好的可行解决方案。有两种方法可以更改参数值。您可以使用m.setParam ()：

gurobi>m.setParam（'MIPFocus'，1）将参数MIPFocus的值更改为1上一个值：0最小值：0最大值：3默认值：0

.．.或者你可以用m.Params班

gurobi>m.Params.MIPFocus=1将参数MIPFocus的值更改为1 Prev:0 Min:0 Max:3默认值：0

参数更改后，我们调用m、重置（）重新优化我们的模型，然后m.optimize ()要启动一个新的优化运行:
gurobi > m.reset () 丢弃的解决方案信息 gurobi > m.optimize () Gurobi优化器版本9.1.2版本v9.1.2rc0（mac64）

优化具有396行、322列和1815个非零模型指纹的模型：0x541d0ad3变量类型：20个连续、302个整数（0二进制）系数统计：矩阵范围[1e+00，8e+06]目标范围[1e+00，1e+06]边界范围[1e+00，8e+02]RHS范围[1e+00，8e+06]预解删除4行5列预解时间：0.00s预解：392行317列1815个非零变量类型：19个连续298个整数（298个二进制）找到启发式解决方案：目标3.133356e+09根松弛：目标8.000024e+08，72次迭代，0.00秒节点|当前节点|目标边界|工作解释| Obj深度IntInf |现任最佳BD缺口| It/节点时间0.08.0000e+08.0000e+08.1334e+09 8.0000e+08 74.5%-0H 0.400019e+09 8.7%-0H 0.220019e+09 8.0000e+08 64.0%-0s 0 0 0 0.08.0000e+08.2200e+08.0000e+08.858.0863.1%-0S0 8.0000e+08 0 72 2.1667e+09 8.0000e+08 63.1%-0S0 8.0000e+08 0 77 2.1667e+09 8.0000e+08 63.1%-0SH 0 2.133351e+09 8.0000e+08 62.5%-0S0 8.0000e+08 0 80 2.1334e+09 8.0000e+08 62.5%-008 0 8.0000e+08 80 2.1334e+08 8.00008+08 62.5%-0 0 8.00008+13308.8.08+13308.808.08+13308.808+088.0000e+08 62.5%-0S0 8.0000e+08 0 83 2.1334e+09 8.0000e+08 62.5%-0S0 8.0000e+08 0 83 2.1334e+09 8.0000e+08 62.5%-0S0 8.0000e+08 0 88 2.1334e+08 62.5%-0S0 8.0000e+08 0 66 2.1334e+09 8.0000e+08 62.5%-0H 0 0 0 0 2.050017e+08 61.0%-0 0 0 0 8.00008+0508 0 0 0 0 0 0 0 0 8.0508+0 0 0 0 8.07E+01.0508.0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 022 1.6333e+09 8.0001e+08 51.0%20.5 10s*4233 2185 66 1.600017e+09 8.0001e+08 50.0%21.5 12s*4238 2082 67 1.550017e+09 8.0001e+08 48.4%21.5 12s H 4308 2026 1.500016e+09 8.0001e+08 46.7%21.6 14s 4457226 1.1000e+09 36 65 1.5000e+09 8.0001e+09 8.0001e+08 46.7%22.6 15s H 4809 2136 1.45008 16E+2048.000018 13E+08%42.9%23.9 17s H 5098 2027 1.350013e+09 8.0001e+08 40.7%24.8 18s H 5282 1752 1.200013e+09 8.0001e+08 33.3%25.7 18s中断请求收到切割平面：Gomory:37覆盖：9隐含边界：41 MIR:51流覆盖：266 RLT:107松弛和提升：99探索5332个节点（140122次迭代）在19.00秒内单工线程计数为8（8个可用处理器）解决方案计数10:1.20001e+09 1.35001e+09 1.40001e+09…1.64446e+09解决中断的最佳目标1.200012600000e+09，最佳界限8.000066804E+08，差距33.3335%

结果与我们的预期一致。我们将注意力转向寻找可行的解决方案(客观价值)，从而更快地找到更好的解决方案1.2 e9对1.5e9）.

的setParam ()方法的设计相当灵活和宽容。它接受通配符作为参数，并且忽略字符大小写。因此，下面的命令都是等效的:

gurobi>m.setParam（'NODELIMIT'，100）gurobi>m.setParam（'NODELIMIT'，100）gurobi>m.setParam（'Node*'，100）gurobi>m.setParam（'N？？？Limit 100）

您可以使用通配符获取匹配参数的列表：

gurobi> m.setParam('*Cuts'， 2)匹配参数:['Cuts'， 'CliqueCuts'， 'CoverCuts'， 'FlowCoverCuts'， 'FlowPathCuts'， 'GUBCoverCuts'， 'ImpliedCuts'， 'MIPSepCuts'， 'MIRCuts'， 'ModKCuts'， 'NetworkCuts'， 'SubMIPCuts'， 'ZeroHalfCuts']

注意模型。参数个数有点不那么宽容setParam ()．特别是，这种方法不允许使用通配符。不过，在这两种方法中，您都不必担心参数名称的大小写问题m.Params.Heuristics和m.Params.heuristics它们是等价的。

可以使用paramHelp（）命令。您可以获得有关特定参数的进一步信息(例如:MIPGap)通过输入paramHelp(“MIPGap”)．