Java—Gurobi学习笔记（一）

_仇笑痴_

已于 2022-09-03 00:03:04 修改

阅读量609

点赞数 2

CC 4.0 BY-SA版权

分类专栏： Java 文章标签：学习 java 开发语言

于 2022-09-03 00:01:44 首次发布

本文链接：https://blog.youkuaiyun.com/shiyudawei/article/details/126672104

Java 专栏收录该内容

6 篇文章

订阅专栏

这篇博客展示了如何利用Gurobi Java API创建并解决一个简单的混合整数线性规划（MIP）问题。代码中定义了三个二进制变量x, y, z，并设置了两个约束条件及最大化目标函数。程序成功找到最优解，输出为x=1.0, y=0.0, z=1.0，目标函数最优值为3.0。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

根据Gurobi自带的Mip1案例去编写的。

代码

import gurobi.*;

import static gurobi.GRB.GREATER_EQUAL;
import static gurobi.GRB.LESS_EQUAL;
/*
    maximize    x +   y + 2 z
     subject to  x + 2 y + 3 z <= 4
                 x +   y       >= 1
                 x, y, z binary

 */

/**
 * @Author：superNova
 * @ClassName：Mip1
 * @Description：example from gurobi itself(Mip1)
 * @Date：2022/09/02/21:01
 * @Email：shiyudawei@qq.com
 * @Blog：https://blog.youkuaiyun.com/shiyudawei?spm=1018.2226.3001.5343
 */

public class Mip1 {
    public static void main(String[] args) {
        try {
            //创建环境
            GRBEnv grbEnv = new GRBEnv("grbEnv");
            GRBModel grbModel = new GRBModel(grbEnv);

            //创建变量
            GRBVar x = grbModel.addVar(0,1,0,GRB.BINARY, "x");
            GRBVar y = grbModel.addVar(0,1,0,GRB.BINARY, "y");
            GRBVar z = grbModel.addVar(0,1,0,GRB.BINARY, "z");

            //创建变量数组
            GRBVar[] grbVars = {x,y,z};

            //创建限制条件
            GRBLinExpr expr1 = new GRBLinExpr();
            expr1.addTerms(new double[]{1,2,3},grbVars);
            grbModel.addConstr(expr1,LESS_EQUAL,4,"expr1");
            GRBLinExpr expr2 = new GRBLinExpr();
            expr2.addTerms(new double[]{1,1,0},grbVars);
            grbModel.addConstr(expr1,GREATER_EQUAL,1,"expr2");

            //设置目标函数
            GRBLinExpr target = new GRBLinExpr();
            target.addTerms(new double[]{1,1,2},grbVars);
            grbModel.setObjective(target,GRB.MAXIMIZE);

            //求解
            grbModel.optimize();

            //输出结果
            System.out.println("最优解为：" + grbModel.get(GRB.DoubleAttr.ObjVal));
            for (int i = 0; i < grbVars.length; i++) {
                System.out.println(grbVars[i].get(GRB.StringAttr.VarName) + "=" + grbVars[i].get(GRB.DoubleAttr.X));

            }

            //处理模型和环境
            grbModel.dispose();
            grbEnv.dispose();


        }catch (Exception e){
            e.printStackTrace();

        }
    }
}

结果

Optimal solution found (tolerance 1.00e-04)
Best objective 3.000000000000e+00, best bound 3.000000000000e+00, gap 0.0000%
最优解为：3.0
x=1.0
y=0.0
z=1.0

分析

创建环境
```
GRBEnv grbEnv = new GRBEnv("name");
```

创建模型

GRBModel grbModel = new GRBModel(grbEnv);

创建变量
```
GRBVar x = grbModel.addVar(left.right,obj,vtype,name);
```
left：x的左极限
right....
obj：x的客观系数，暂时不清楚何时能用到。
vtype：x的类型continuous、binary、Integer......

创建数组变量

GRBVar[] grbVars = {x1, x2, x3.....};


创建这个数组方便后面操作

声明约束

GRBLinExpr expr1 = new GRBLinExpr();
expr1.addTerms(new double[]{1,2,3},grbVars);


建立线性表达式，前面是系数，后面是变量数组

grbModel.addConstr(expr1,GRB.LESS_EQUAL,4,"expr1");

(左侧表达式/左侧值，符号，右侧表达式/右侧值，名字)

目标函数

GRBLinExpr target = new GRBLinExpr();
target.addTerms(new double[]{1,1,2},grbVars);
grbModel.setObjective(target,GRB.MAXIMIZE);

求解
```
grbModel.optimize();
```

输出结果

 System.out.println("最优解为：" + grbModel.get(GRB.DoubleAttr.ObjVal));
 for (int i = 0; i < grbVars.length; i++) {
     System.out.println(grbVars[i].get(GRB.StringAttr.VarName) + "=" + grbVars[i].get(GRB.DoubleAttr.X));
}