Gurobi求解目标函数最优值

2023-10-22 23:50

本文主要是介绍Gurobi求解目标函数最优值,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!

"""
求解目标函数最大值
x+y+2*z
约束条件
x+2*y+3*z<=4
x+y>=1"""from gurobipy import *
try:m = Model("mip1")x = m.addVar(vtype=GRB.BINARY,name="x")y = m.addVar(vtype=GRB.BINARY,name="y")z = m.addVar(vtype=GRB.BINARY,name="z")m.setObjective(x+y+2*z,GRB.MAXIMIZE)m.addConstr(x+2*y+3*z<=4,"c0")m.addConstr(x+y>=1,"c1")m.optimize()#打印变量名称和变量值for v in m.getVars():print(v.varName,v.x)print( m.objVal)
#捕捉程序运行中的错误
except GurobiError as e:print("Erroe code" + str(e.errno) + ":" + str(e))except AttributeError:print("Encountered an attribute erroe")

 

from gurobipy import *#所需营养
categories,minNutrition,maxNutrition = multidict({"calories":[1800,2200],"protein":[91,GRB.INFINITY],"fat":[0,65],"sodium":[0,1779]})
#食物已经对应的cost
foods,cost = multidict({"hamburger":2.49,"chicken":2.89,"hot dog":1.50,"fries":1.89,"macaroni":2.09,"pizza":1.99,"salad":2.49,"milk":0.89,"ice cream":1.59})#每种食物所对应的营养价值
nutritionValues = {("hamburger","calories"):410,("hamburger","protein"):24,("hamburger","fat"):26,("hamburger","sodium"):420,("chicken","calories"):420,("chicken","protein"):32,("chicken","fat"):10,("chicken","sodium"):1190,("hot dog","calories"):380,("hot dog","protein"):4,("hot dog","fat"):19,("hot dog","sodium"):1800,("fries", "calories"):380,("fries", "protein"):4,("fries", "fat"):19,("fries", "sodium"):270,("macaroni", "calories"):320,("macaroni", "protein"):12,("macaroni", "fat"):10,("macaroni", "sodium"):930,("pizza", "calories"):320,("pizza", "protein"):15,("pizza", "fat"):12,("pizza", "sodium"):820,("salad", "calories"):320,("salad", "protein"):31,("salad", "fat"):12,("salad", "sodium"):1230,("milk", "calories"):100,("milk", "protein"):8,("milk", "fat"):2.5,("milk", "sodium"):125,("ice cream", "calories"):330,("ice cream", "protein"):8,("ice cream", "fat"):10,("ice cream", "sodium"):180,}#创建模型
m = Model("diet")#添加变量
buy = m.addVars(foods,name="buy")#构建目标函数
m.setObjective(buy.prod(cost),GRB.MINIMIZE)#添加约束条件m.addConstrs((quicksum(nutritionValues[f,c]*buy[f] for f in foods)==[minNutrition[c],maxNutrition[c]]for c in categories),"_")def printSolution():if m.status == GRB.Status.OPTIMAL:print("\nCost: %g" % m.objVal)print("\nBuy:")buyx = m.getAttr("x",buy)for f in foods:if buy[f].x > 0.0001:print("%s %g" % (f, buyx[f]))else:print("No solution")
m.optimize()
printSolution()

 

这篇关于Gurobi求解目标函数最优值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!



http://www.chinasem.cn/article/264367

相关文章

hdu1171(母函数或多重背包)

题意:把物品分成两份,使得价值最接近 可以用背包,或者是母函数来解,母函数(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v) 其中指数为价值,每一项的数目为(该物品数+1)个 代码如下: #include<iostream>#include<algorithm>

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

C++操作符重载实例(独立函数)

C++操作符重载实例,我们把坐标值CVector的加法进行重载,计算c3=c1+c2时,也就是计算x3=x1+x2,y3=y1+y2,今天我们以独立函数的方式重载操作符+(加号),以下是C++代码: c1802.cpp源代码: D:\YcjWork\CppTour>vim c1802.cpp #include <iostream>using namespace std;/*** 以独立函数

函数式编程思想

我们经常会用到各种各样的编程思想,例如面向过程、面向对象。不过笔者在该博客简单介绍一下函数式编程思想. 如果对函数式编程思想进行概括,就是f(x) = na(x) , y=uf(x)…至于其他的编程思想,可能是y=a(x)+b(x)+c(x)…,也有可能是y=f(x)=f(x)/a + f(x)/b+f(x)/c… 面向过程的指令式编程 面向过程,简单理解就是y=a(x)+b(x)+c(x)

利用matlab bar函数绘制较为复杂的柱状图,并在图中进行适当标注

示例代码和结果如下:小疑问:如何自动选择合适的坐标位置对柱状图的数值大小进行标注?😂 clear; close all;x = 1:3;aa=[28.6321521955954 26.2453660695847 21.69102348512086.93747104431360 6.25442246899816 3.342835958564245.51365061796319 4.87

OpenCV结构分析与形状描述符(11)椭圆拟合函数fitEllipse()的使用

操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C++11 算法描述 围绕一组2D点拟合一个椭圆。 该函数计算出一个椭圆,该椭圆在最小二乘意义上最好地拟合一组2D点。它返回一个内切椭圆的旋转矩形。使用了由[90]描述的第一个算法。开发者应该注意,由于数据点靠近包含的 Mat 元素的边界,返回的椭圆/旋转矩形数据

Unity3D 运动之Move函数和translate

CharacterController.Move 移动 function Move (motion : Vector3) : CollisionFlags Description描述 A more complex move function taking absolute movement deltas. 一个更加复杂的运动函数,每次都绝对运动。 Attempts to

[数据集][目标检测]血细胞检测数据集VOC+YOLO格式2757张4类别

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):2757 标注数量(xml文件个数):2757 标注数量(txt文件个数):2757 标注类别数:4 标注类别名称:["Platelets","RBC","WBC","sickle cell"] 每个类别标注的框数:

✨机器学习笔记(二)—— 线性回归、代价函数、梯度下降

1️⃣线性回归(linear regression) f w , b ( x ) = w x + b f_{w,b}(x) = wx + b fw,b​(x)=wx+b 🎈A linear regression model predicting house prices: 如图是机器学习通过监督学习运用线性回归模型来预测房价的例子,当房屋大小为1250 f e e t 2 feet^

JavaSE(十三)——函数式编程(Lambda表达式、方法引用、Stream流)

函数式编程 函数式编程 是 Java 8 引入的一个重要特性,它允许开发者以函数作为一等公民(first-class citizens)的方式编程,即函数可以作为参数传递给其他函数,也可以作为返回值。 这极大地提高了代码的可读性、可维护性和复用性。函数式编程的核心概念包括高阶函数、Lambda 表达式、函数式接口、流(Streams)和 Optional 类等。 函数式编程的核心是Lambda