Question

我在Python中使用Gurobi。我正在迭代一组节点，在每次迭代时，我都要添加一个约束来解决。解决之后，它产生如下的Gurobi日志：

Optimize a model with 6 rows, 36 columns and 41 nonzeros
Variable types: 0 continuous, 36 integer (36 binary)
Coefficient statistics:
  Matrix range     [1e+00, 1e+00]
  Objective range  [2e+01, 9e+01]
  Bounds range     [1e+00, 1e+00]
  RHS range        [2e+00, 2e+00]

MIP start did not produce a new incumbent solution
MIP start violates constraint R5 by 2.000000000

Found heuristic solution: objective 347.281
Presolve removed 2 rows and 21 columns
Presolve time: 0.00s
Presolved: 4 rows, 15 columns, 27 nonzeros
Found heuristic solution: objective 336.2791955
Variable types: 0 continuous, 15 integer (15 binary)

Root relaxation: objective 3.043757e+02, 6 iterations, 0.00 seconds

    Nodes    |    Current Node    |     Objective Bounds      |     Work
 Expl Unexpl |  Obj  Depth IntInf | Incumbent    BestBd   Gap | It/Node Time

*    0     0               0     304.3757488  304.37575  0.00%     -    0s

Explored 0 nodes (6 simplex iterations) in 0.02 seconds
Thread count was 4 (of 4 available processors)

Solution count 3: 304.376 336.279 339.43 

Optimal solution found (tolerance 1.00e-04)
Best objective 3.043757488224e+02, best bound 3.043757488224e+02, gap 0.0000%

但经过一段时间的迭代后，我的回答并不是我所期待的。所以我希望在每次迭代时在Gurobi日志中打印我的所有模型细节（目标函数，约束等）。我该怎么做？

但是model.write（）打印了目标函数和我们编码的约束。

    Minimize
  0 x(0,0) + 75.47184905645283 x(0,1) + 57.55866572463264 x(0,2)
   + 33.97057550292606 x(0,3) + 23.3238075793812 x(0,4)
   + 40.80441152620633 x(0,5) + 75.47184905645283 x(1,0) + 0 x(1,1)
   + 32.7566787083184 x(1,2) + 90.60905032059435 x(1,3)
   + 55.71355310873648 x(1,4) + 40.60788100849391 x(1,5)
   + 57.55866572463264 x(2,0) + 32.7566787083184 x(2,1) + 0 x(2,2)
   + 83.36066218546971 x(2,3) + 46.57252408878007 x(2,4)
   + 41.4004830889689 x(2,5) + 33.97057550292606 x(3,0)
   + 90.60905032059435 x(3,1) + 83.36066218546971 x(3,2) + 0 x(3,3)
   + 37.12142238654117 x(3,4) + 50.00999900019995 x(3,5)
   + 23.3238075793812 x(4,0) + 55.71355310873648 x(4,1)
   + 46.57252408878007 x(4,2) + 37.12142238654117 x(4,3) + 0 x(4,4)
   + 17.69180601295413 x(4,5) + 40.80441152620633 x(5,0)
   + 40.60788100849391 x(5,1) + 41.4004830889689 x(5,2)
   + 50.00999900019995 x(5,3) + 17.69180601295413 x(5,4) + 0 x(5,5)
Subject To
 R0: x(0,1) + x(0,2) + x(0,3) + x(0,4) + x(0,5) >= 2
 R1: x(1,0) + x(1,2) + x(1,3) + x(1,4) + x(1,5) >= 2
 R2: x(1,0) + x(1,3) + x(1,4) + x(2,0) + x(2,3) + x(2,4) + x(5,0) + 
     x(5,3)+ x(5,4) >= 2
 R3: x(3,0) + x(3,1) + x(3,2) + x(3,4) + x(3,5) >= 2
 R4: x(0,1) + x(0,2) + x(0,5) + x(3,1) + x(3,2) + x(3,5) + x(4,1) + 
     x(4,2)+ x(4,5) >= 2
 R5: x(0,1) + x(0,2) + x(3,1) + x(3,2) + x(4,1) + x(4,2) + x(5,1) + 
     x(5,2)>= 2
Bounds
Binaries
 x(0,0) x(0,1) x(0,2) x(0,3) x(0,4) x(0,5) x(1,0) x(1,1) x(1,2) x(1,3)
 x(1,4) x(1,5) x(2,0) x(2,1) x(2,2) x(2,3) x(2,4) x(2,5) x(3,0) x(3,1)
 x(3,2) x(3,3) x(3,4) x(3,5) x(4,0) x(4,1) x(4,2) x(4,3) x(4,4) x(4,5)
 x(5,0) x(5,1) x(5,2) x(5,3) x(5,4) x(5,5)
End

我需要的是知道每次迭代发生了什么。那是因为一次迭代给了我另一个错误答案，所以我想检查解决时是否有任何冗余约束添加到模型中。

换句话说，“Gurobi callbacks”允许我们访问模型中可用的所有信息吗？它会产生什么？

Answer 1

换句话说，“Gurobi回调”是否允许我们访问所有内容模型中可用的信息？它会产生什么？

不，您无法打印回调函数中生成的约束。

最有可能的问题是以下之一：

您在回调中调用了错误的函数。您可以添加两种约束：延迟约束和用户剪切。惰性约束对于结构是必要的;解决方案必须满足所有惰性约束。但是，当它们太多而无法添加到模型时，您使用延迟约束，并且您只想添加那些被违反的约束。用户削减不是必需的，但它们可以帮助删除分数解决方案并加强MIP的LP松弛。在你的情况下，听起来你有懒惰的约束。
您没有添加所有违反的延迟约束。如上所述in the documentation：“你的回调应该准备好切断违反任何攻击的解决方案您的惰性约束，包括那些已经存在的约束 “你不应该跟踪你是否已经添加了一个惰性约束;每次看到它被违反时都必须添加它。这是由于Gurobi求解器的并行处理。

将模型信息添加到Gurobi日志中

1 个答案: