Python 如何计算古洛比的影子价格

我想分析在编程问题中边界应增加还是减少约束： 下面是一个简化的问题

V[（i，t）]

是决策变量，

S[i]

是输入。我想知道当增加一个单位的S[I]`时，obj是增加还是减少。 我知道影子价格和边际成本可能是决策变量，而不是投入。在Gurobi中，双值（也称为影子价格）可以使用Pi函数

for t in range(T):
    for i in range(I):
        m.addConstr(V[(i,t)] <= Lambda*S[i])
        m.addConstr(other constrints without S[i])
obj =cf*quicksum(V[(i,0)] for i in range(I))+ cs*quicksum(S[i]for i in range(I))+...
m.setObjective(obj, GRB.MAXIMIZE)
m.optimize()

适用于范围内的t（t）：
对于范围（i）中的i：
m、 addConstr（V[（i，t）]有两种方法可以获得影子价格：（Python+Gurobi）：

或

它将所有约束的影子价格按顺序返回到一个数组中。
为什么不使用Pi constraint属性？
shadow_price = model.getAttr('Pi', model.getConstrs())

shadow_price = model.getAttr(GRB.Attr.Pi)