当模型给出不可行的解决方案时获得约束的解决方案答案

【问题标题】：Getting solution of constraints when model gives infeasible solution当模型给出不可行的解决方案时获得约束的解决方案
【发布时间】：2016-11-21 16:24:04
【问题描述】：

我正在编写一个优化问题。该模型给出了不可行的解决方案。我想检查哪个约束给出了不可行的解决方案。到目前为止，我在网上查过，但一直没能想出解决问题的办法。谁能帮我？例如：在下面的代码中，由于约束 3 模型是不可行的。我如何从解决方案中确定它？谢谢

from gurobipy import *

# Create a new model
m = Model("mip1")

# Create variables
x1 = m.addVar(vtype=GRB.INTEGER, name="x1")
x2 = m.addVar(vtype=GRB.INTEGER, name="x2")


# Integrate new variables
m.update()

# Set objective
m.setObjective(7*x1 + 2*x2, GRB.MAXIMIZE)


m.addConstr(-x1 + 2 * x2 <= 4, "constraint-0")


m.addConstr(5*x1 + x2 <= 20, "constraint-1")
m.addConstr(-2*x1 -2*x2 <= -7, "constraint-2")
m.addConstr(x1 <= -2, "constraint-3")
m.addConstr(x2 <= 4, "constraint-4")

m.optimize()

for v in m.getVars():
    print('%s %g' % (v.varName, v.x))

print('Obj: %g' % m.objVal)

【问题讨论】：

使用this。
@sudipta 为什么 x1 必须小于或等于 -2 ？只是出于好奇

标签： python-2.7 optimization gurobi

【解决方案1】：

一个例子：

from gurobipy import *

# Create a new model
m = Model("mip1")
# Create variables
x1= m.addVar(lb=0,ub=62,vtype=GRB.INTEGER,name="x1")
x2 = m.addVar(lb=0,ub=50, vtype=GRB.INTEGER,name="x2")
m.update()

m.addConstr(-x1 + 2*x2 <= 4, "constraint-0")
m.addConstr(5*x1 + x2 <= 20, "constraint-1")
m.addConstr(-2*x1 -2*x2 <= -25, "constraint-2")
m.addConstr(x1 <= 2, "constraint-3")
#m.addConstr(x2 <= 50, "constraint-4")

m.update()

# Set objective
m.setObjective(7*x1 + 2*x2, GRB.MAXIMIZE)
m.update()

m.optimize()

status = m.status
if status == GRB.Status.OPTIMAL:
    for v in m.getVars():
        print('%s %g' % (v.varName, v.x))
    print('Obj: %g' % m.objVal)
       
elif status == GRB.Status.INFEASIBLE:
    print('Optimization was stopped with status %d' % status)
    # do IIS
    m.computeIIS()
    for c in m.getConstrs():
        if c.IISConstr:
            print('%s' % c.constrName)

【讨论】：