Python 使用纸浆时，如何从古洛比解算器检索当前最佳解决方案？

如果我在gurobi解算器中使用交互式解算器，我可以执行以下操作：

gurobi> m = read('model.mp')
gurobi> m.optimize()
[...]
Found heuristic solution: objective 821425.00000

然后中止并通过获取当前解决方案

gurobi> m.printAttr('X')

我想在果肉中有同样的行为。特别是在打过电话之后：

prob =  pulp.LpProblem(name="MIPProblem", sense=pulp.LpMaximize)
[...]
status = prob.solve(pulp.GUROBI_CMD(msg=True, keepFiles=1))

---

我想等待，直到第一个启发式解决方案在某个时间间隔后被找到/中止，然后获得Gurobi找到的当前最佳解决方案。我该怎么做呢？

您可以使用

纸浆.GUROBI

或

纸浆.GUROBI\u CDM

主要区别在于

plup.GUROBI

是对gurobipy（GUROBI-Python接口）的包装，而

plup.GUROBI\u CDM

使用命令行（即，它将LP/ILP写入文件，然后调用解算器）

让我们区分这两种情况：

• 案例1：

  纸浆。古罗比

  ：
  在这种情况下，可以访问solverModel对象。有关字段，您可以直接参考文档。但是，对于您的特定用例，您需要的是。
  一个小例子：

  import pulp
  
  ...
  
  status = prob.solve(pulp.GUROBI(timeLimit=1))
  
  print(pulp.LpStatus[status]) # status
  
  print(prob.solverModel.ObjBound) # best objective found
  

• 案例2：

  纸浆。古罗比尤CDM

  ：
  在这种情况下，通过命令行解决问题，并从结果文件（即）中读取解决方案
  请注意，GUROBI_CMD确实提供了良好的解决方案状态，因此即使解决方案不是最优的，您也可以阅读，因为GUROBI解决方案文件没有提供有关状态的信息

---

您可以使用

纸浆.GUROBI

或

纸浆.GUROBI\u CDM

主要区别在于

plup.GUROBI

是对gurobipy（GUROBI-Python接口）的包装，而

plup.GUROBI\u CDM

使用命令行（即，它将LP/ILP写入文件，然后调用解算器）

让我们区分这两种情况：

• 案例1：

  纸浆。古罗比

  ：
  在这种情况下，可以访问solverModel对象。有关字段，您可以直接参考文档。但是，对于您的特定用例，您需要的是。
  一个小例子：

  import pulp
  
  ...
  
  status = prob.solve(pulp.GUROBI(timeLimit=1))
  
  print(pulp.LpStatus[status]) # status
  
  print(prob.solverModel.ObjBound) # best objective found
  

• 案例2：

  纸浆。古罗比尤CDM

  ：
  在这种情况下，通过命令行解决问题，并从结果文件（即）中读取解决方案
  请注意，GUROBI_CMD确实提供了良好的解决方案状态，因此即使解决方案不是最优的，您也可以阅读，因为GUROBI解决方案文件没有提供有关状态的信息

---

问题目标是否有效？我认为您应该删除

status=

部分，尝试单独解决问题，然后使用

prob.objective

获得答案欢迎使用SO！如果您查看

纸浆解决方案的文档，您可以设置时间限制或允许的最佳差距。要在第一个可行的解决方案上停止，请设置一个非常大的最优性差距。@kabdulla但我可以举个例子，每隔t个时间打印当前的最佳解决方案，或者继续求解以获得更好的解决方案（重复此操作直到获得最佳解决方案）？如果我设置了一个时间限制或最优性间隔，但再次调用.solve（），它会从头开始，是吗？
prob.objective
有效吗？我认为您应该删除
status=
部分，尝试单独解决问题，然后使用
prob.objective
获得答案欢迎使用SO！如果您查看
纸浆解决方案的文档，您可以设置时间限制或允许的最佳差距。要在第一个可行的解决方案上停止，请设置一个非常大的最优性差距。@kabdulla但我可以举个例子，每隔t个时间打印当前的最佳解决方案，或者继续求解以获得更好的解决方案（重复此操作直到获得最佳解决方案）？如果我设置了一个时间限制或最优性间隔，但再次调用.solve（），它会从头开始，是吗？