Gurobi：放宽 Python 中的不可行模型

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 变量为正且连续。

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
 ...
 ...

如您所见，constraint 2 和 constraint 3 使解决方案不可行。当我的 x 变量出现这种情况时，我希望 Gurobi 通过将那些冲突的 x 值设置为 0 来进行优化。因此，对于这个例子，我想要 x[1,2]并且 x[1,3] 等于 0，以便在没有这些变量的情况下找到可行的解决方案。有没有办法为 Gurobi 7.0.2.

编码

此外，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)

这在某些情况下工作正常。我的意思是，它将那些创建变量的不可行性设置为 0。但是，在某些其他情况下，constraints 1,2, 和 3 不创建任何不可行，constraint 4 创建不可行，求解器增加了正确的- Constraint 4 的手边。所以，在这种情况下，我需要找到一种方法将它们设置为 0。任何建议表示赞赏。

Answer 1

feasRelaxS ( relaxobjtype, minrelax, vrelax, crelax )

参数：

relaxobjtype:寻找最小成本松弛时使用的成本函数。

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。

此函数修改模型对象以创建可行性松弛。此方法提供了许多用于指定松弛的选项。 minrelax 参数是一个布尔值，它控制创建的可行性松弛类型。如果 minrelax=False，优化返回的模型会给出一个解决方案，使违规成本最小化。如果 minrelax=True，优化返回的模型会找到一个最小化原始 objective 的解决方案，但只能从那些最小化违规成本的解决方案中找到。 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。 您可以阅读给出的完整说明上：https://www.gurobi.com/documentation/7.5/refman/py_model_feasrelaxs.html

Gurobi：放宽 Python 中的不可行模型

Gurobi: Relaxing Infeasible Model in Python

python

gurobi

feasibility