gurobi解的状态及其属性获取

根据之前的文章线性规划和对偶规划学习总结，我们知道，解有三种状态：

1.无解；

2.有界解；

3.无界解。

在gurobi中，可以通过提取状态，知道模型状态。也就是利用对偶理论可以知道当前模型解的可能情况。

（1）获取解的状态

model.status 

可能的取值如上所示。status==2，代表最优；status==3，代表无可行解；status==5，为无界解。刚好与最上边的三种状态对应。

（2）获取对应属性信息

a）最优，可以直接获取变量及其约束所对应的对偶变量值（也叫影子价格）

 #获取变量的值
for v in model.getVars():
        print(v.varName, '=', v.x) 

# 获取对偶变量的值，与约束相关
model.getAttr(grb.GRB.Attr.Pi, model.getConstrs())
或者可以写成循环形式
for con in model.getConstrs(): #循环获取
    print(con.ConstrName, '----', con.Pi)

b）无解，可以获取约束的极射线

   for con in model.getConstrs():
       print(con.ConstrName, '----', con.FarkasDual)

c）无界，可以获取无界射线

仅仅适用于无界线性模型，可以提供一个向量，当添加到任何可行解时，该向量将生成一个新的可行解，但会改进目标。

model.getAttr(grb.GRB.Attr.UnbdRay)

注意，后两种情况，必须在model.optimize()之前设定，model.setParam('InfUnbdInfo', 1) 。