Question

我在Gurobi的数学符号中设置了以下约束。 x变量是二进制的。 sigmaplus和sigmaminus变量是正面和连续的。

Subject To
 858 x[1,_2] + 1092 x[1,_3] - sigmaplus[1] + sigmaminus[1] = -200  # Constraint 1
 858 x[1,_2] + 1092 x[1,_3] >= -1800 # Constraint 2
 858 x[1,_2] + 1092 x[1,_3] <= 0 # Constraint 3
 x[1,_2] + x[1,_3] = 1 # Constraint 4
 720 x[2,_1] + 990 x[2,_2] - sigmaplus[2] + sigmaminus[2] = 2000 # Constraint 5
 720 x[2,_1] + 990 x[2,_2] >= -500 # Constraint 6
 720 x[2,_1] + 990 x[2,_2] <= 3000 # Constraint 7
 x[2,_1] + x[2,_2] = 1 # Constraint 8
 ...
 ...

您可以注意到，constraint 2和constraint 3使解决方案变得不可行。当我的x变量出现这种情况时，我希望Gurobi通过将那些有冲突的x值设置为0来进行优化。因此，对于此示例，我想要x [1,2]并且x[1,3]等于0，以便找到没有这些变量的可行解。有没有办法为Gurobi 7.0.2编码。

另外，我正在使用2.7.12 Anaconda 4.2.0(64-bit)。以下是我用来放松问题以找到解决方案的代码。

if m.status == GRB.INFEASIBLE:
    m.feasRelaxS(1, False, False, True)

在某些情况下这很好用。我的意思是，它将创建变量的不可行性设置为0.但是，在constraints 1,2,和3不创建任何不可行性的某些其他情况下，constraint 4会产生不可行性，求解器会增加权限 - Constraint 4的一面。所以，我需要找到一种在这种情况下将它们设置为0的方法。任何建议都表示赞赏。

Answer 1

feasRelaxS ( relaxobjtype, minrelax, vrelax, crelax )

<强>参数：

relaxobjtype：找到最低成本放宽时使用的成本函数。

minrelax：要执行的可行性放宽类型。

vrelax：表示是否可以放宽变量边界。

crelax：表示是否可以放宽约束。

此函数修改Model对象以创建可行性松弛。该方法提供了许多用于指定放松的选项。 minrelax 参数是一个布尔值，用于控制创建的可行性松弛的类型。如果 minrelax = False，则优化返回的模型可提供最小化违规成本的解决方案。如果 minrelax = True，则优化返回的模型会找到最小化原始目标的解决方案，但只能从最小化违规成本的解决方案中找到解决方案。 如果您希望模型放宽约束不可行的变量值，请将 vrelax 从False更改为True。您可以阅读上面给出的完整说明：{{3} }

Gurobi：在Python中放松不可行的模型

1 个答案: