在 Gurobi 中更改下限
Change lower bound in Gurobi
我有大量的决策变量x[i,j,k,l]
。我正在使用 gurobi
和 python。我想更改列表中 i
的某些 x
的下限。由于决策变量的数量,最好的方法是什么?
我想尽可能少地使用 for 循环。目前,我使用以下花费太多时间的行。我可以只在循环中执行此操作吗,即 for i
in list?
for i in list:
for j in J:
for k in K:
for l in L:
model.getVarByName('x[{},{},{},{}]'.format(i,j,k,l)).LB==0
这取决于您创建这些变量的方式。如果您将它们作为具有这些索引的多维 multidict 提供,您可以立即访问它们而无需遍历所有维度和索引。您应该避免按名称获取变量。
list = ['a','b','c']
x = model.addVars(list, J, K, L)
[model.setAttr('LB', x['a',j,k,l], 0) for i in I for k in K for l in L]
您可能还会重新考虑 4 维变量是否是对您的问题建模的最有效方法。
实际上,您可以通过一个简单的语句来设置一堆变量的下界
model.setAttr("LB", x, 0)
我有大量的决策变量x[i,j,k,l]
。我正在使用 gurobi
和 python。我想更改列表中 i
的某些 x
的下限。由于决策变量的数量,最好的方法是什么?
我想尽可能少地使用 for 循环。目前,我使用以下花费太多时间的行。我可以只在循环中执行此操作吗,即 for i
in list?
for i in list:
for j in J:
for k in K:
for l in L:
model.getVarByName('x[{},{},{},{}]'.format(i,j,k,l)).LB==0
这取决于您创建这些变量的方式。如果您将它们作为具有这些索引的多维 multidict 提供,您可以立即访问它们而无需遍历所有维度和索引。您应该避免按名称获取变量。
list = ['a','b','c']
x = model.addVars(list, J, K, L)
[model.setAttr('LB', x['a',j,k,l], 0) for i in I for k in K for l in L]
您可能还会重新考虑 4 维变量是否是对您的问题建模的最有效方法。
实际上,您可以通过一个简单的语句来设置一堆变量的下界
model.setAttr("LB", x, 0)