MLinExpr
MLinExpr
古罗比线性矩阵表达式对象。线性矩阵表达式由矩阵-向量乘积组成，其中矩阵是NumPy密集矩阵或SciPy稀疏矩阵，向量是Gurobi兆乏对象，加上一个可选的兼容维数的常量向量(即，
)．线性矩阵表达式用于建立线性目标和约束。它们是临时对象，通常寿命很短。
通常使用重载操作符构建线性矩阵表达式，通常是将一个二维矩阵(密集或稀疏)与一个一维矩阵相乘兆乏使用Python矩阵乘法(＠)操作符(例如,expr = A @ x)．你也可以提升一个兆乏对象一个MLinExpr使用算术表达式(例如，Expr = x + 1)．上支持大多数算术操作MLinExpr对象，包括加法和减法(例如，expr = A @ x - B @ y)和乘以一个常数(例如。expr = 2 * A @ x)．
一个MLinExpr对象有形状，与其他NumPy ndarray对象的定义类似。由于它的定义方式，形状将始终是一维的，其长度反映了相应的矩阵-向量结果的大小。给一个例子，形成@ x在哪里一个有形状(3) 10和x有形状(3)给出形状的结果(10)．
在处理MLinExpr对象，你当然需要确保形状是兼容的。如果你想形成@ x,然后一个必须是二维数组x必须是1-D数组，第2维的大小是一个一定等于x．类似地，将对象添加到MLinExpr对象(包括另一个MLinExpr)需要一个相同形状的物体。唯一的例外是常量，它会自动提升为具有兼容的形状。
上的重载操作符的完整列表MLinExpr对象如下:+，+ =，-，- =，＊，* =,＠．按照Python的说法，我们已经定义了以下内容MLinExpr功能:__add__，__radd__，__iadd__，__sub__，__rsub__，__isub__，__neg__，__mul__，__rmul__，__imul__，__matmul__,__rmatmul__．
我们还重载了比较操作符(＝＝，< =,＞＝)，以便更容易地从线性矩阵表达式构建约束。
注意，Python矩阵乘法运算符(＠)在Python 3.5版本中引入;它在Python 2.7中不可用。
部分