指定多个目标

让我们首先讨论管理多个目标的接口。一个空模型从一个目标函数开始，这个目标函数最初只是0.0。我们称它为基本的客观的。您可以通过两种方式修改主要目标：您可以设置obj.属性，也可以使用setobjective.来自您的语言API的方法（例如，model.setObjective.在Python）。对于具有单个目标的模型，该主要目标可以是线性的，二次或分段线性的。通常，不特异于多目标优化的属性和方法将与主要目标函数合作。

多目标模型中的每个目标都具有以下可设置的属性:ObjNCon默认值为0，objnpriority.默认值为0，objnweight.默认值1，objnreltol.默认值为0，objnabstol.默认值为0，和objname.。

提供额外的目标，使用setobjectiven.来自您的语言API的方法（例如model.setobjectiven.在Python）。目标是编号0.通过numobj-1。目标的顺序是任意的，但您必须为每个的唯一索引提供（使用该指定指数争论setobjectiven.）。您可以使用模型中的目标数量使用numobj.属性。请注意，所有目标（包括主要目标）必须是多目标模型的线性。

您可以使用该信息查询和修改有关多目标的信息objnumber.参数，与多个模型和可变属性一起使用。例如，检索变量系数X目标是 $ 2 $ ，你设置了objnumber.参数到，然后查询objn.属性X。同样，查询objname.设置后属性objnumber.到 $ 3 $ 会给目标名称。

我们应该注意到，我们的陈述存在一个重要的例外，目标秩序是任意的：目标 $ 0 $ 被视为主要目标。结果是原始目标自动变得客观当您添加第二个目标时。另一个是询问objn.属性等同于查询obj.属性objnumber.是。

请注意，模型具有单个客观意义（由此控制）模型属性）。这意味着您无法最大限度地提高第一个目标并最小化第二个目标。但是，您可以通过简单的技巧实现相同的结果。每个目标具有重量，并且允许这些重量为负。最小化目标函数相当于最大化该功能的否定。

您可以随心所欲地更改模型中的目标数量(通过修改numobj.属性）。当您增加客观计数时，新目标及其相关属性将设置为0.减少计数时，丢弃新计数的目标。如果将目标的数量设置为零，则该模型将成为纯粹的可行性问题。

我们已经扩展了LP和MPS文件格式，因此编写一个具有多个目标的模型将捕获这些目标。同样，如果您读取包含多个目标的模型文件，那么numobj.和objn.将捕获存储在文件中的目标。看看文件格式有关详情的部分。