时间戳

首页 > 解决方案 > 解读 Gurobi 的 LP 优化结果

optimization - 解读 Gurobi 的 LP 优化结果

问题描述

我想用 Gurobi 来解决一个非常简单的 LP：

最小化 z

st x + y <= z

其中 x, y, z 是生成的决策变量gp.Model().addVar()，应该是默认变量。模型的目标设定为m.setObjective(1.0*z, GRB.MINIMIZE)。

然后我求解模型，程序返回 z 的最优值为 0.000。我不明白为什么这是最佳值？Gurobi 的默认决策变量是否有任何约束，就像它们是非正数一样。否则，当 x、y 和 z 无界时，为什么 0.0 是此 LP 的最佳值？

标签： optimizationlinear-programminggurobi

解决方案

Gurobi 和其他 LP/MIP 求解器的约定是决策变量的下限为零。如果你想要另一个下限，那么要么设置 LB 属性，要么在调用 Model.addVar() 时定义它，例如：

m = Model()
x = m.addVar(lb=-20, name='x')

推荐阅读