在某些情况下，您可能有兴趣与Gurobi优化并行运行启发式。为此，您需要建立两件事：
- 单独的流程/线程为启发式和gurobi
- 队列或共享内存将在两个进程/线程之间传递信息
这种过程的Python示例是：
将GUROBIPY作为GP
来自Gurobipy Import Grb
从多处理导入过程，队列
def add_solution（m，where）：
如果其中== grb.callback.mipnode而不是m._new_solution.empty（）：
m.cbsetsoluth（vars，m._new_solution.pop（））
def run_gurobi（队列）：
m =＃定义模型
m._new_solution =队列＃将队列添加到模型对象
m.Optimize（add_solution）＃添加回调
def run_heuristic（队列）：
queue.put（[]）
procs = []
q = queue（）
＃定义Gurobi进程
proc = process（target = run_gurobi，args =（q，））
procs.append（proc）
proc.start（）
＃定义启发式过程
proc = process（target = run_heuristic，args =（q，））
procs.append（proc）
proc.start（）
＃合并流程
对于procs的p：
p.join（）
笔记
这里，队列用于共享进程之间的数据。每当队列不为空时，可以通过内容访问内容queue.get（）方法。有关更多信息，请参阅Python文manbet体育手机客户端档（注意queue.queue.和多处理.queue.几乎是相同的）。
自从以来cbsetsolution（）方法仅适用于此mipnode.回调，这种方法通常被调用。此外，使用队列可能会产生非琐碎量的开销。Gurobi报告回调的时间花了多少时间。如果在这个回调中花费太多时间，那么更低的级别概念，如共享内存值得调查。