本文主要是介绍gurobi约束条件使用大全(`model.addConstr()`添加单个约束和`model.addConstrs()`添加多个约束和强不等式约束），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
文章目录
- gurobi约束条件
- `model.addConstr()`添加单个约束
- `model.addConstrs()`添加多个约束
- 强不等式约束
gurobi约束条件
model.addConstr()添加单个约束
约束可以是线性、不等式或等式。Gurobi支持添加单个约束和多重约束。
例子：
model.addConstr(x + y == 5, "eq_constr") # 添加等式约束x + y = 5model.addConstr(x - 2 * y >= 3, "ineq_constr") # 添加不等式约束x - 2y >= 3model.addConstrs()添加多个约束
使用 model.addConstrs() 方法同时添加多个约束。该方法通常与字典或列表推导式结合使用，以方便地定义多个约束.
示例 1：基于索引的约束
假设你有多个变量 x[i] 和 y[i]，你希望添加以下约束：
- x [ i ] + y [ i ] = 5 , i = 1 , 2 , . . . , n . x[i] + y[i] = 5,i=1,2,...,n. x[i]+y[i]=5,i=1,2,...,n.
- x [ i ] − 2 × y [ i ] ≥ 3 = 1 , 2 , . . . , n . x[i] - 2 \times y[i] \geq 3=1,2,...,n. x[i]−2×y[i]≥3=1,2,...,n.
以下是代码示例：
# 添加等式约束 x[i] + y[i] = 5
model.addConstrs((x[i] + y[i] == 5 for i in range(n)), "eq_constr")# 添加不等式约束 x[i] - 2 * y[i] >= 3
model.addConstrs((x[i] - 2 * y[i] >= 3 for i in range(n)), "ineq_constr")
示例 2：基于条件的约束
如果约束是基于某种条件（例如，索引对 (i, j) 满足特定条件），你也可以这样写：
# 假设 m 和 n 是索引的范围
model.addConstrs((x[i, j] + y[i, j] == 5 for i in range(m) for j in range(n) if some_condition(i, j)), "eq_constr")model.addConstrs((x[i, j] - 2 * y[i, j] >= 3 for i in range(m) for j in range(n) if some_condition(i, j)), "ineq_constr")
代码解释与对应的数学公式
model.addConstrs((x[i, j] + y[i, j] == 5 for i in range(m) for j in range(n) if some_condition(i, j)), "eq_constr"
)model.addConstrs((x[i, j] - 2 * y[i, j] >= 3 for i in range(m) for j in range(n) if some_condition(i, j)), "ineq_constr"
)
这段代码用于在 Gurobi 优化模型中添加一组约束条件。代码通过 model.addConstrs() 方法，基于某个条件 some_condition(i, j) 对变量 x[i, j] 和 y[i, j] 添加约束。
【1】. model.addConstrs()：
- 含义：用于添加多个约束。
model是 Gurobi 模型对象，addConstrs是其方法之一，用于同时添加多个约束。
【2】. (x[i, j] + y[i, j] == 5 for i in range(m) for j in range(n) if some_condition(i, j))：
- 含义：这个生成器表达式遍历所有可能的索引对
(i, j)，为每一对(i, j)添加约束，前提是some_condition(i, j)条件为真。 - 对应的数学公式：
如果 some_condition ( i , j ) 为真： x i , j + y i , j = 5 , ∀ i ∈ { 0 , 1 , … , m − 1 } , ∀ j ∈ { 0 , 1 , … , n − 1 } \text{如果 } \text{some\_condition}(i, j) \text{ 为真：}x_{i,j} + y_{i,j} = 5, \forall i \in \{0, 1, \dots, m-1\}, \forall j \in \{0, 1, \dots, n-1\} 如果 some_condition(i,j) 为真：xi,j+yi,j=5,∀i∈{0,1,…,m−1},∀j∈{0,1,…,n−1}
【3】. (x[i, j] - 2 \times y[i, j] \geq 3 for i in range(m) for j in range(n) if some_condition(i, j))：
- 含义：这个生成器表达式与上面的类似，只是约束条件不同，这里是
x[i, j] - 2 \times y[i, j] >= 3，且同样受some_condition(i, j)的限制。 - 对应的数学公式：
如果 some_condition ( i , j ) 为真： x i , j − 2 × y i , j ≥ 3 , ∀ i ∈ { 0 , 1 , … , m − 1 } , ∀ j ∈ { 0 , 1 , … , n − 1 } \text{如果 } \text{some\_condition}(i, j) \text{ 为真：} x_{i,j} - 2 \times y_{i,j} \geq 3, \forall i \in \{0, 1, \dots, m-1\}, \forall j \in \{0, 1, \dots, n-1\} 如果 some_condition(i,j) 为真：xi,j−2×yi,j≥3,∀i∈{0,1,…,m−1},∀j∈{0,1,…,n−1}
代码的每一部分解释
-
for i in range(m) for j in range(n)：- 含义：嵌套的
for循环，用于遍历索引对(i, j)，其中i从 0 到m-1，j从 0 到n-1。 - 对应的数学符号：( i \in {0, 1, \dots, m-1} ), ( j \in {0, 1, \dots, n-1} )。
- 含义：嵌套的
-
if some_condition(i, j)：- 含义：在
for循环后跟随一个if语句，用于过滤出满足特定条件some_condition(i, j)的索引对(i, j)。 - 对应的数学符号：这里对应的条件表示形式不唯一，但可以理解为附加的条件，只有当
some_condition(i, j)为真时，才会添加对应的约束。
- 含义：在
-
x[i, j] + y[i, j] == 5和x[i, j] - 2 * y[i, j] >= 3：- 含义：分别表示添加的等式约束和不等式约束。
- 对应的数学公式：
- 对应
x[i, j] + y[i, j] == 5的数学公式：
x i , j + y i , j = 5 x_{i,j} + y_{i,j} = 5 xi,j+yi,j=5 - 对应
x[i, j] - 2 * y[i, j] >= 3的数学公式：
x i , j − 2 × y i , j ≥ 3 x_{i,j} - 2 \times y_{i,j} \geq 3 xi,j−2×yi,j≥3
- 对应
-
"eq_constr"和"ineq_constr"：- 含义：这是对约束的命名标识符。
"eq_constr"表示等式约束，"ineq_constr"表示不等式约束。命名主要用于调试或后续引用约束。 - 无直接的数学符号对应，但在模型中作为标识符有助于理解和追踪不同约束。
- 含义：这是对约束的命名标识符。
总结
这段代码主要用于根据条件 some_condition(i, j)，对一组变量 x[i, j] 和 y[i, j] 添加多个约束，包含了等式和不等式两种约束形式。通过 model.addConstrs() 方法和生成器表达式，可以非常简洁地表达复杂的约束逻辑。
示例 3：字典推导式
如果你使用 gurobipy.Model.addVars 创建了变量的字典，通过键来添加多个约束：
# 假设 x 和 y 是带有索引对 (i, j) 的变量字典
model.addConstrs((x[i, j] + y[i, j] == 5 for i, j in x.keys()), "eq_constr")model.addConstrs((x[i, j] - 2 * y[i, j] >= 3 for i, j in y.keys()), "ineq_constr")
【1.】 什么是“键”（Keys）？
在 Gurobi 中，变量通常是通过索引来定义的。这些索引的组合就构成了变量的“键”（keys）。一个“键”可以理解为变量的唯一标识符，通常是一个元组 (i, j)，它表示变量 x[i, j] 或 y[i, j] 中的特定索引对 (i, j)。
【2.】 举例说明
假设你有一个二维变量 x[i, j] 和 y[i, j]，i 和 j 是索引。例如：
i的取值范围是{0, 1}j的取值范围是{0, 1, 2}
那么 x[i, j] 和 y[i, j] 的变量集可以写作：
- 对于
x[i, j]：你有变量x[0, 0], x[0, 1], x[0, 2], x[1, 0], x[1, 1], x[1, 2] - 对于
y[i, j]：你有变量y[0, 0], y[0, 1], y[0, 2], y[1, 0], y[1, 1], y[1, 2]
这些变量的“键”就是这些变量的索引对 (i, j)：
x的“键”包括{(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2)}y的“键”也包括{(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2)}
这些键就是变量的索引组合，用来唯一标识每个变量。
【 3.】具体代码解释
model.addConstrs((x[i, j] + y[i, j] == 5 for i, j in x.keys()), "eq_constr"
)model.addConstrs((x[i, j] - 2 * y[i, j] >= 3 for i, j in y.keys()), "ineq_constr"
)
x.keys() 和 y.keys() 的含义
x.keys()返回的是变量x的所有键(i, j)，即变量x[i, j]的所有索引对。y.keys()返回的是变量y的所有键(i, j)，即变量y[i, j]的所有索引对。
约束生成
-
第一个约束：
model.addConstrs((x[i, j] + y[i, j] == 5 for i, j in x.keys()), "eq_constr")- 这个约束遍历
x中的所有键(i, j)，为每个(i, j)添加一个约束x[i, j] + y[i, j] == 5。 - 例如，如果
x的键是{(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2)}，那么这个生成器会为每个(i, j)添加如下的约束：x[0, 0] + y[0, 0] == 5x[0, 1] + y[0, 1] == 5x[0, 2] + y[0, 2] == 5x[1, 0] + y[1, 0] == 5x[1, 1] + y[1, 1] == 5x[1, 2] + y[1, 2] == 5
- 这个约束遍历
-
第二个约束：
model.addConstrs((x[i, j] - 2 * y[i, j] >= 3 for i, j in y.keys()), "ineq_constr")- 这个约束遍历
y中的所有键(i, j)，为每个(i, j)添加一个约束x[i, j] - 2 * y[i, j] >= 3。 - 例如，如果
y的键是{(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2)}，那么这个生成器会为每个(i, j)添加如下的约束：x[0, 0] - 2 * y[0, 0] >= 3x[0, 1] - 2 * y[0, 1] >= 3x[0, 2] - 2 * y[0, 2] >= 3x[1, 0] - 2 * y[1, 0] >= 3x[1, 1] - 2 * y[1, 1] >= 3x[1, 2] - 2 * y[1, 2] >= 3
- 这个约束遍历
代码解释与对应的数学公式
model.addConstrs((x[i, j] + y[i, j] == 5 for i, j in x.keys()), "eq_constr"
)model.addConstrs((x[i, j] - 2 * y[i, j] >= 3 for i, j in y.keys()), "ineq_constr"
)
model.addConstrs()
- 含义：
model.addConstrs()用于同时添加多个约束。model是 Gurobi 模型对象，addConstrs是其中的方法之一，专门用于批量添加约束。
(x[i, j] + y[i, j] == 5 for i, j in x.keys())
- 含义：这个生成器表达式用于遍历
x变量的所有索引对(i, j)，并为这些索引对添加约束x[i, j] + y[i, j] == 5。 - 对应的数学公式：
x i , j + y i , j = 5 , ∀ ( i , j ) ∈ Keys ( x ) x_{i,j} + y_{i,j} = 5, \quad \forall (i,j) \in \text{Keys}(x) xi,j+yi,j=5,∀(i,j)∈Keys(x)
其中，Keys(x) 表示变量 x 中的所有键 (i, j) 的集合。
(x[i, j] - 2 \times y[i, j] \geq 3 for i, j in y.keys())
- 含义：这个生成器表达式与上面的类似，但它遍历的是
y变量的所有索引对(i, j)，并为这些索引对添加约束x[i, j] - 2 * y[i, j] >= 3。 - 对应的数学公式：
x i , j − 2 × y i , j ≥ 3 , ∀ ( i , j ) ∈ Keys ( y ) x_{i,j} - 2 \times y_{i,j} \geq 3, \quad \forall (i,j) \in \text{Keys}(y) xi,j−2×yi,j≥3,∀(i,j)∈Keys(y)
其中，Keys(y)表示变量y中的所有键(i, j)的集合。
代码的每一部分解释
for i, j in x.keys()和for i, j in y.keys()- 含义：
x.keys()和y.keys()返回变量x和y的所有键（即索引对(i, j)的集合）。for i, j in x.keys()和for i, j in y.keys()表示遍历这些键(i, j)。 - 对应的数学符号：表示对集合中的每一个索引对
(i,j)进行遍历：
∀ ( i , j ) ∈ Keys ( x ) 和 ∀ ( i , j ) ∈ Keys ( y ) \forall (i,j) \in \text{Keys}(x) \quad \text{和} \quad \forall (i,j) \in \text{Keys}(y) ∀(i,j)∈Keys(x)和∀(i,j)∈Keys(y)
- 含义：
x[i, j] + y[i, j] == 5和x[i, j] - 2 \times y[i, j] \geq 3- 含义：分别表示要添加的等式约束和不等式约束。对于
x中的每一对(i, j)，约束x[i, j] + y[i, j] == 5被添加。对于y中的每一对(i, j)，约束x[i, j] - 2 \times y[i, j] >= 3被添加。 - 对应的数学公式：
- 对应
x[i, j] + y[i, j] == 5的数学公式：
x i , j + y i , j = 5 x_{i,j} + y_{i,j} = 5 xi,j+yi,j=5 - 对应
x[i, j] - 2 \times y[i, j] \geq 3的数学公式：
x i , j − 2 × y i , j ≥ 3 x_{i,j} - 2 \times y_{i,j} \geq 3 xi,j−2×yi,j≥3
- 对应
- 含义：分别表示要添加的等式约束和不等式约束。对于
"eq_constr"和"ineq_constr"- 含义：这些是对约束的命名标识符，
"eq_constr"用于等式约束，"ineq_constr"用于不等式约束。命名主要是为了调试或后续引用约束。 - 无直接的数学符号对应，但在模型中作为标识符有助于理解和追踪不同约束。
- 含义：这些是对约束的命名标识符，
总结
(1) 这段代码通过遍历变量 x 和 y 的所有键（索引对 (i, j)），为每个键 (i, j) 添加相应的约束。通过 model.addConstrs() 和生成器表达式，可以简洁地表达并添加多个约束。这对于处理大规模优化问题或约束较多的情况非常有用。
- 第一部分代码 用于添加等式约束
x[i, j] + y[i, j] == 5，遍历的是x的所有键(i, j)。 - 第二部分代码 用于添加不等式约束
x[i, j] - 2 * y[i, j] >= 3，遍历的是y的所有键(i, j)。
(2) “键”就是变量的索引，它表示了变量在多维数组中的位置。 例如 x[0, 1] 的键就是 (0, 1)，y[1, 2] 的键就是 (1, 2)。在代码中，x.keys() 和 y.keys() 是返回这些索引对的集合，然后通过 for i, j in x.keys() 来遍历所有的这些索引对，并为每一个组合添加约束。
强不等式约束
- 对于遇到强不等式约束解决方法见== python中使用gurobi遇到强不等式约束(只有大于或者小于而不是大于等于或者小于等于的形式)的解决办法
这篇关于gurobi约束条件使用大全(`model.addConstr()`添加单个约束和`model.addConstrs()`添加多个约束和强不等式约束）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
