从文件加载并解决模型

例子：BatchMode，回调，feasopt，fixanddive，lp，lpmethod，lpmod，mip2，params，灵敏度

您可以使用Gurobi库执行的最基本的任务之一是从文件中读取模型，优化它，并报告结果。这LP.（lp_c.c.那LP_C ++。CPP那lp_cs.cs.那lp.java.那lp.py.那lp_vb.vb.）和MIP2.（mip2_c.c.那MIP2_C ++。CPP那mip2_cs.cs.那mip2.java.那mip2.m.那mip2.py.那mip2.r.那mip2_vb.vb.）示例是在各种支持的Gurobi语言中完成的简单说明。虽然细节从一种语言变化到另一语言，但所有语言都存在相同的基本结构。

在初始化Gurobi环境后，示例首先从指定的文件读取模型。在c中，你叫greadmodel（）功能：

error = greadmodel（env，argv [1]和型号）;

在C ++中，这是通过构造一个完成的grbmodel.目的：

grbmodel model = grbmodel（env，argv [1]）;

在C＃和Java中，这也通过构造一个grbmodel.目的：

grbmodel模型=新grbmodel（env，args [0]）;

在Python中，这是通过的读全球功能：

Model = GP.read（Sys.argv [1]）

下一步是在模型上调用Gurobi Optimizer。在c中，你打电话grboptimize（）在这方面模型多变的：

错误= grboptimize（型号）;

在C ++，Java和Python中，这是通过调用的优化对策模型目的：

model.Optimize（）;

在C＃中，方法名称的第一个字母是大写的：

model.Optimize（）;

一个成功的优化调用填充模型中的一组解决方案属性。例如，一旦呼叫完成，就会X变量属性包含每个变量的解决方案值。同样，对于连续模型，PI.Constraint属性包含每个约束的双值。

然后示例检索模型的值地位属性确定优化结果。在里面LP.示例，将最佳解决方案写入解决方案文件（模型.SOL.）。

一旦阅读并解决模型，您可以做很多其他事情。例如，LP.检查解决方案状态 - 强烈建议。如果发现该模型是不可行的，则此示例计算不可缩小的不一致子系统（IIS）以隔离源的源。