feasopt。R

# #这个例子从一个文件中读取一个M狗万app足彩IP模型，为每个约束添加人工#变量，然后使#人工变量的和最小。目标为0的解对应于输入模型的可行解。#我们也可以使用FeasRelax功能来实现。在这个例子中，我们#使用minrelax=1，也就是说，优化返回的模型会找到一个能够最小化原始目标的解决方案#，但只会从那些能够最小化人工变量之和的#解决方案中找到。库(Matrix)库(gurobi) args <- commandArgs(trailingOnly = TRUE) if (length(args) < 1) {stop('Usage: Rscript feasopt. py ');R filename\n')} #设置参数params <- list() params＄logfile <- 'feasopt.log' #读取模型cat('Reading model'，args[1]，'…')done\n') #创建惩罚<- list()惩罚＄lb <- Inf惩罚＄ub <- Inf处罚＄rhs < -代表(1,长度(模型＄rhs)) result <- gurobi_feasrelax(模型，0,TRUE，罚款，params = params) #显示结果如果(结果＄feasobj > 1e-6) {cat('Model'，args[1]，'is infeasible within variable bounds\n')} else {cat('Model'，args[1]，'is feasible\n')} #清除空间rm(params，模型，惩罚，结果)