Python gurobipy-无界模型&；无法检索属性'；x'；

我有一个任务，我需要使用gurobipy库创建一个MILP模型。这个问题与背包问题算法有关，我有10个项目和一个特定的容量。对于每个项目，我有一个低尺寸值和一个高尺寸值（我们不知道确切的尺寸）。我们为大小和决策变量创建所有可能的组合（如果物品是否包含在背包中）。列表包括：场景、收入、决策组合、概率，其中场景是一个1024个列表，每个列表包含10个项目（所有可能的大小组合），收入是一个包含10个项目的列表，其中存储了每个项目的值，decision_combs是由1024个列表组成的列表，其中包含10个项目，每个项目的值为0,1，用于确定某个项目是否包含在背包中。最后，概率列表包括每个场景的概率（1024个值的列表）

我的代码如下：

model = gb.Model('MILP')
        obj = gb.LinExpr()

        for j, scenario in enumerate(scenarios):
            for z, decision_var in enumerate(decision_combs):
                # create model variable for scenario j and decision var vector z
                sizes = model.addVars(item_indx, vtype=gb.GRB.CONTINUOUS, name="sizes{}{}".format(j, z), lb=0)
                # calculate the total selected size based on the decision variables
               total_size_selected = 0
               for d, decis_var in enumerate(decision_var):
                   if decis_var == 1.0 or decis_var == 1:
                       total_size_selected += scenario[d]
                # calculate the penalty based on the capacity and selected weights
                final_penalty = penalty * (total_size_selected - capacity)
                # calculate the objective function of the current scenario and decision var vector
                obj += probabilities[j] * (sum((scenario[k] * revenues[k] * decision_var[k]) * sizes[k]
                                               for k in item_indx) - final_penalty)
                rhs = total_size_selected - capacity
                model.addConstr(lhs=gb.quicksum(sizes[k] for k in item_indx) - capacity,
                                sense=gb.GRB.GREATER_EQUAL, rhs=rhs, name="scenario{}{}".format(j, z))
                model.addConstr(lhs=gb.quicksum(sizes[k] for k in item_indx) - capacity,
                                sense=gb.GRB.GREATER_EQUAL, rhs=0, name="scenarioPositive{}{}".format(j, z))
        # set the objective function to the model
        print("Setting total objective function to model {}".format(i))
        model.setObjective(obj, gb.GRB.MAXIMIZE)
        print("Updating model {}".format(i))
        # update the model
        model.update()
        print("Optimizing model {}".format(i))
        # optimize the model
        model.optimize()

        for v in model.getVars():
            print('%s %g' % (v.varName, v.x))
        obj = model.getObjective()
        print('Profit: %g' % -obj.getValue())

上面的代码有两个问题。首先，当我运行该程序时，我在日志中看到该模型不可行或它是无限的。那么，我创建约束或目标函数的方式是否有问题

此外，我在尝试打印变量的值（打印（“%s%g%”（v.varName，v.x）））和目标函数的值（obj.getValue（））时遇到异常，错误为： 无法检索属性“x”

---

有人能帮我解决这个问题吗？

如果您的模型不可行或无界，这意味着它不会返回解决方案

x

是分配给变量的解数值，在这两种情况下，由于没有解，您无法通过调用

x

找到变量分配的解数值

如果不可行怎么办

如果模型不可行，则可以诊断原因。这将计算阻止模型可行的最小约束集。你可以这样做

if model.solCount == 0:
    print("Model is infeasible")
    model.computeIIS()
    model.write("model_iis.ilp")

这样做的目的是，如果没有找到解决方案，gurobi将计算此iis并将其保存在名为model_iis.ilp的文件中。然后，您可以阅读此文件以了解阻止找到可行解决方案的约束

如果无边界，该怎么办

如果模型是无界的，这意味着目标可以无限增加到无穷大。在这种情况下，将目标设置为0（或者根本不设置，这是同一回事），以确定模型是否可行

---

希望这有帮助

谢谢你的回复！模型是无界的，但如果我将目标设置为零，我可以得到解。这意味着目标函数或约束存在问题？这意味着变量可以无限大，以使目标最大化。在这种情况下，

size

似乎有一个下限，但没有上限，并且总是位于约束的大于一侧。您需要通过约束或重新考虑现有约束或显式设置大小变量的ub来为大小设置上限值，这取决于最适合您的问题。此外，在您的第一个约束条件中，左侧和右侧都有

-容量

，它们将相互抵消。