在PyLPsolve(python的lpsolve包装器)中定义整数变量
PyLPsolve有一些我想使用的强大功能。不过,我有一个问题: 如何定义MIP的整数变量列表 也就是说,在lpsolve的标准包装中: 解=lp_解(f,A,b,e,lvb,uvb,xint) 其中xint是MIP的整数变量的索引列表 如何在PyLPSolve中定义一个非平凡的xinf 快乐编码!在PyLPsolve(python的lpsolve包装器)中定义整数变量,python,linear-programming,lpsolve,Python,Linear Programming,Lpsolve,PyLPsolve有一些我想使用的强大功能。不过,我有一个问题: 如何定义MIP的整数变量列表 也就是说,在lpsolve的标准包装中: 解=lp_解(f,A,b,e,lvb,uvb,xint) 其中xint是MIP的整数变量的索引列表 如何在PyLPSolve中定义一个非平凡的xinf 快乐编码! 和快乐优化 您可以使用pylpsolve.LP.setInteger(self,index)设置整数变量。二元值变量也有类似的“setBinary”。下面是一个示例(请注意,变量的索引为0-up):
和快乐优化 您可以使用pylpsolve.LP.setInteger(self,index)设置整数变量。二元值变量也有类似的“setBinary”。下面是一个示例(请注意,变量的索引为0-up): 来自pylpsolve导入LP的
lp=lp()
#指定约束条件
lp.addConstraint([[1,1,0],[0,1,2],“您可以使用pylpsolve.lp.setInteger(self,index)设置整数变量。对于二进制值变量,有一个类似的“setBinary”。下面是一个示例(注意,变量的索引为0-up):
来自pylpsolve导入LP的
lp=lp()
#指定约束条件
lp.addConstraint([[1,1,0],[0,1,2],”
from pylpsolve import LP
lp = LP()
# Specify constraints
lp.addConstraint([[1,1,0], [0,1,2]], "<=", [3.1, 4.1])
# Force the first variable to be integer-valued
lp.setInteger(0)
# Force the second variable to be binary-valued
lp.setBinary(1)
# set objective
lp.setObjective([1,1,1], mode="maximize")
# Run
lp.solve()
# print out the solution:
print lp.getSolution()