如何计算 gurobi python 中降低成本 (RC) 和影子价格 (Pi) 的允许范围？
How can I calculate the allowable range for reduced cost (RC) and shadow price (Pi) in gurobi python?
所以我尝试用 Gurobi python 进行敏感性分析，我发现了最优值以及影子价格 (cons1.Pi) 和降低的成本 (x.RC ).但我不知道如何计算他们的允许增减。如果有人能提供帮助，我将不胜感激！！
基本上我正在尝试填写这两个表：
Variable | Final_Val | Reduced_cost | Obj_Coeff | Allowable_increase | Allowable_decrease
Constraint | Final_Val | shadow_price | RHS | Allowable_increase | Allowable_decrease
我刚刚发现了两个属性查询函数：x.SAObjLow & x.SAObjUp 这将给出 x1 的 objective 系数在最优解之前可以取的最大值和最小值变化。对于约束，您可以使用 constrs[t].SARHSLow & constrs[t].SARHSUp。希望对你也有帮助。
我强烈推荐任何刚接触 gurobi 的人（像我一样）访问 this 网页。
所以我尝试用 Gurobi python 进行敏感性分析，我发现了最优值以及影子价格 (cons1.Pi) 和降低的成本 (x.RC ).但我不知道如何计算他们的允许增减。如果有人能提供帮助，我将不胜感激！！
基本上我正在尝试填写这两个表：
Variable | Final_Val | Reduced_cost | Obj_Coeff | Allowable_increase | Allowable_decrease
Constraint | Final_Val | shadow_price | RHS | Allowable_increase | Allowable_decrease
我刚刚发现了两个属性查询函数：x.SAObjLow & x.SAObjUp 这将给出 x1 的 objective 系数在最优解之前可以取的最大值和最小值变化。对于约束，您可以使用 constrs[t].SARHSLow & constrs[t].SARHSUp。希望对你也有帮助。
我强烈推荐任何刚接触 gurobi 的人（像我一样）访问 this 网页。