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Python 如何计算古洛比的影子价格,python,optimization,gurobi,Python,Optimization,Gurobi,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
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)