有没有办法在python中保存Gurobi对象？

我有许多具有多个索引的变量，例如：

flow[i，j，k]

使用Gurobi变量名：

flow_1_1_1，…，flow_1_2_3

等

如果Gurobi模型对象是全局变量，则可以通过

flow[i，j，k].x访问解决方案值

我的问题是，有没有一种方法可以存储“flow”对象并在以后加载它以进行重新优化？不幸的是，pickle不受支持

如果没有，我最好的选择是什么
 如果模型根本没有更改，则可以导出模型，然后再导入

恐怕，通过创建自己的数据结构并将
x
-值与索引一起保存在那里，您的境况通常会更好。在以后重新优化的情况下，只需重新创建模型并将
.start
设置为保存的值

注意，使用这种方法，您将始终丢失预解、根松弛、根节点以及分支和边界信息。我没有经验，如果其中一些可能有助于更好地重新优化开始。
在优化后可以恢复变量的值。然后使用这些进行如下再优化（sol_U是术语，我们恢复变量vU的数据）。
m.optimize（）
状态=m状态
如果状态==GRB.status.OPTIMAL：
sol_V=m.getAttr（'x'，vV）
sol_=m.getAttr（'x'，vU）
打印（'优化状态为%d'%1！'状态）
打印（'最佳目标是%g'%m.objVal）
对于OpEq中的e：
对于bl集团：
对于Te中的t：
如果sol_[bl，t，e]>0.1：
打印（'u_u（%s，%i，%s）->%f%%（bl，t，e，sol_u[bl，t，e]））
sol_V=m.getAttr（'x'，vV）
对于op_2;中的op：
对于BLOCRS中的bl：
对于Te中的t：
如果sol_V[bl，t，op]>0.1：
打印（'v_（%s，%i，%i）->%f%%（bl，t，op，sol_v[bl，t，op]））
代码格式的可读性