如何在CPLEX python中添加和删除约束？

我在python中使用了新的Cplex。我已经知道如何正确地编写数学优化问题的代码，并创建一个函数来友好地显示解决方案（F1）。目前，我想在不创建新模型的情况下修改模型的某些功能。我的想法是求解一个模型P，然后是模型P1（改变决策变量域），P2（放松一些集合o约束），等等。我想用我的函数F1得到这些模型的解

我的代码如下：

导入时间
将numpy作为np导入
进口cplex
从cplex导入cplex
从cplex.exceptions导入CplexError
导入系统
从openpyxl导入工作簿
导入xlrd
def间隙（I、J、数据）：
#天宝酒店
inicio=time.process_time（）#---------------------------------------inicio DEL CONTEO DE TIEMPO
#魔术师
maquinas=范围（I）#与特拉巴霍斯的结合
trabajos=范围（J）#MÁQUINAS
#打印（“MÁQUINAS={}|TRABAJOS={}|\n”。格式（列表（maquinas），列表（TRABAJOS）））
打印（“\n”）
#帕拉地铁
wb=工作簿（）
ws=wb.active
book=xlrd.open_工作簿（数据+'.xlsx'）
活页=活页。活页名称（“c”）
c_a=[[int（sheet.cell_value（r，c））表示范围内的c（sheet.ncols）]表示范围内的r（sheet.nrows）]
c_a=np.矩阵（c_a）
印刷品（“COSTO DE ASIGNACIÓN”）
打印（“”）
印刷品（c#U a）#-------------------------------------------------------COSTO DE ASIGNACIÓN
打印（“\n”）
活页=活页。活页名称（“a”）
a=[[int（sheet.cell_值（r，c））表示范围内的c（sheet.ncols）]表示范围内的r（sheet.nrows）]
a=np.矩阵（a）
打印（“UTILIZACIÓN”）
打印（“”）
打印（a）————————————请求
打印（“\n”）
活页=活页。活页名称（“b”）
b=[[int（sheet.cell_值（r，c））表示范围内的c（sheet.ncols）]表示范围内的r（sheet.nrows）]
b=np.矩阵（b）
打印（“DISPONIBILIDAD”）
打印（“”）
印刷品（b）——————CAPACIDAD MÁXIMA DE PROCESO
打印（“\n”）
Model=cplex.cplex（）。
模型.参数.mip.公差.完整性.集合（0）#特殊的
#变量输入法
#肠易激综合征被认为是可行的
Model.objective.set_sense（Model.objective.sense.minimize）#senido DE OPTIMIZACIÓN。
#Model.parameters.timelimit.set（float（7200））#TIEMPO MÁXIMO DE ejeucciÓN[segudos]。
#Model.parameters.mip.tolerance.mipgap.set（float（0.1））#GAP DE TŠRMINO。
#决策变量
x_vars=np.array（[[“x”（“+str（i）+”，“+str（j）+”）表示特拉巴霍斯的j]表示马奎纳斯的i]）
x_varnames=x_vars.flatte（）
x_vartypes='B'*I*J
x_varlb=[0.0]*len（x_varnames）
x_varub=[1.0]*len（x_varnames）
x_varobj=[]
对于我在maquinas：
对于trabajos中的j：
x_varobj.append（float（c_a[i，j]））
Model.variables.add（obj=x_varobj，lb=x_varlb，ub=x_varub，types=x_vartypes，names=x_varnames）
#洗手间
#改革的初级合作伙伴：卡达·特拉巴霍和阿西纳多是一个年轻人。
对于trabajos中的j：
第1行=[]
val1=[]
对于我在maquinas：
行1.追加（x_变量[i，j]）
val1.append（float（1.0））
Model.linear_constraints.add（lin_expr=[cplex.SparsePair（ind=row1，val=val1）]，senses='E'，rhs=[float（1.0）]）
#改革的目标：在改革的过程中考虑到改革的重要性
对于我在maquinas：
第2行=[]
val2=[]
对于trabajos中的j：
第2行追加（x_变量[i，j]）
val2.append（float（a[i，j]））
Model.linear_constraints.add（lin_expr=[cplex.SparsePair（ind=row2，val=val2）]，senses='L'，rhs=[float（b[i]））
#分解器MODELO Y EXPANDIR
solution=Model.solve（）
Model.write（'modelo_GAP.lp'））
#莫斯特拉尔溶解
def show_solution（）：
打印（“-----------------------------------------------------------------------------------------------------------------------------”）
打印（“\nVALOR FUNCIÓN OBJETIVO-costotal DE ASIGNACIÓN={}”。格式（Model.solution.get_objective_value（））
打印（“-----------------------------------------------------------------------------------------------------------------------------”）
对于我在maquinas：
对于trabajos中的j：
如果（Model.solution.get_值（“x”（“+str（i）+”，“+str（j）+”）！=0.0）：
打印（“x”（“+str（i+1）+”，“+str（j+1）+”）”+“=”+str（Model.solution.get_）值（“x”（“+str（i）+”，“+str（j）+”））
fin=时间。处理时间（）
tiempo=浮动（fin）-浮动（inicio）
打印（“”）
打印（“TIEMPO DE CÓMPUTO[s]=”，浮动（TIEMPO））
show_解决方案（）
间隙（I=2，J=7，data='data'）

数据文件如下所示：

矩阵c_a如下所示：

矩阵a如下所示：

矩阵b如下所示：

---

因此，我想知道如何在以这种方式编写的模型中进行这些更改。提前感谢。

使用docplex python API，您可以非常轻松地做到这一点

from docplex.mp.model import Model

# original model

mdl = Model(name='buses')
nbbus40 = mdl.integer_var(name='nbBus40')
nbbus30 = mdl.integer_var(name='nbBus30')
mdl.add_constraint(nbbus40*40 + nbbus30*30 >= 300, 'kids')
mdl.minimize(nbbus40*500 + nbbus30*400)

mdl.solve()



for v in mdl.iter_integer_vars():
    print(v," = ",v.solution_value)

#now remove the constraint

print()
print("now 0 kids instead of 300")    

mdl.get_constraint_by_name("kids").rhs=0;
mdl.solve()

for v in mdl.iter_integer_vars():
    print(v," = ",v.solution_value)

# and now let 's adapt to Covid19 1 seat out of 2

print("now 40 seats buses take 20 children and same ratio for 30 seats buses") 

mdl.add_constraint(nbbus40*20 + nbbus30*15 >= 300, 'kidsCov19')

mdl.solve()

for v in mdl.iter_integer_vars():
    print(v," = ",v.solution_value)

给

nbBus40  =  6.0
nbBus30  =  2.0

now 0 kids instead of 300
nbBus40  =  0
nbBus30  =  0
now 40 seats buses take 20 children and same ratio for 30 seats buses
nbBus40  =  15.0
nbBus30  =  0

---

我使用了

，您可以通过docplex python API轻松实现这一点

from docplex.mp.model import Model

# original model

mdl = Model(name='buses')
nbbus40 = mdl.integer_var(name='nbBus40')
nbbus30 = mdl.integer_var(name='nbBus30')
mdl.add_constraint(nbbus40*40 + nbbus30*30 >= 300, 'kids')
mdl.minimize(nbbus40*500 + nbbus30*400)

mdl.solve()



for v in mdl.iter_integer_vars():
    print(v," = ",v.solution_value)

#now remove the constraint

print()
print("now 0 kids instead of 300")    

mdl.get_constraint_by_name("kids").rhs=0;
mdl.solve()

for v in mdl.iter_integer_vars():
    print(v," = ",v.solution_value)

# and now let 's adapt to Covid19 1 seat out of 2

print("now 40 seats buses take 20 children and same ratio for 30 seats buses") 

mdl.add_constraint(nbbus40*20 + nbbus30*15 >= 300, 'kidsCov19')

mdl.solve()

for v in mdl.iter_integer_vars():
    print(v," = ",v.solution_value)

给

nbBus40  =  6.0
nbBus30  =  2.0

now 0 kids instead of 300
nbBus40  =  0
nbBus30  =  0
now 40 seats buses take 20 children and same ratio for 30 seats buses
nbBus40  =  15.0
nbBus30  =  0

---

我已经使用了

这里有一些提示可以让你朝着正确的方向前进：

add

方法（例如）返回一个迭代器，其中包含添加到模型中的索引。您可以使用它来记住要修改的变量类或约束类的索引。例如：

varind = list(Model.variables.add(obj = x_varobj, lb = x_varlb, ub = x_varub, types = x_vartypes, names = x_varnames))

Model1 = cplex.Cplex(Model)

或者，如果为变量/约束命名，则可以查询或