快速上手:在 Python 环境中安装与配置 Gurobi

快速上手:在 Python 环境中安装与配置 Gurobi

快速上手:在 Python 环境中安装与配置 Gurobi

一、Gurobi简介

Gurobi 是由美国 Gurobi Optimization 公司开发的一款高性能商业数学优化求解器,广泛应用于学术研究与工业领域。它能够高效求解以下类型的优化问题:

  • 线性规划(LP)
  • 整数规划(IP)
  • 混合整数规划(MIP)
  • 二次规划(QP)
  • 二次约束规划(QCP)
  • 非线性规划(部分支持,如含对数、指数、三角函数、分段函数等)

主要特点:

  • 求解速度快、精度高:在多项第三方评测中性能领先,曾于2010年超越 CPLEX 成为行业标杆。
  • 多语言支持:提供 Python、C/C++、Java、.NET、MATLAB、R 等接口,其中 Python 接口(gurobipy)最为常用
  • 跨平台兼容:支持 Windows、Linux 和 macOS。
  • 学术免费:高校师生可申请免费学术许可证。
  • 广泛应用:涵盖物流调度、生产计划、金融投资组合、能源系统、机器学习等多个领域。

简言之,Gurobi 是当前最先进、最高效的数学优化工具之一,特别适合求解大规模复杂决策优化问题。

二、前置工作

  1. 要在内网的服务器上配置Gurobi环境,需要两台电脑先配置好远程连接:Windows RDP远程桌面连接(超详细)
  2. 配置好Python环境(Python或者Anaconda):Anaconda下载安装及老版本选择(超详细)
  3. 安装编辑器PyCharm(其他的编辑器VSCode):Pycharm安装教程

注意:PyCharm使用Anaconda与Python类似。

三、Gurobi下载安装

3.1 Gurobi下载

进入Gurobi软件页面(需要注册登录):gurobi-software

根据自己的需要选择对应的版本,这里我们使用的是Gurobi-12.0.0版本(当然下载最新版本也可以,不过需要注意Gurobi的版本一致),属于历史版本。
历史版本下载可以参考:【实践】如何下载Gurobi的历史版本
在这里插入图片描述

3.2 Gurobi安装

双击下载好的软件:

在这里插入图片描述


等待一会,点击Next:

在这里插入图片描述


接受协议,点击Next:

在这里插入图片描述


根据自己的情况修改安装路径(C盘比较大的话就不用动了):

在这里插入图片描述


点击Install进行安装:

在这里插入图片描述


安装完成,点击Finsh:

在这里插入图片描述


安装完成后,会有一个弹窗,点击YES后会重启电脑:

在这里插入图片描述

四、Gurobi许可证申请激活

4.1 在连接校园网的情况下申请许可证!

4.1.1 Named-User Academic(推荐使用)

登录后点击My account或者Your gurobi licenses——Request——Named-User Academic

在这里插入图片描述


同意协议,提交请求:

在这里插入图片描述


Gurobi 许可证创建成功:

在这里插入图片描述


在计算机连接互联网的情况下,Win+R 输入 cmd 进入到命令提示符窗口。在命令行下使用 cd 命令进入到 Gurobi 安装目录/win64/bin 目录下(如图),然后输入使用激活码,出现最下面红框内容代表激活成功。

在这里插入图片描述
4.1.2 Online Course(可离线使用,有规模限制)

登录后点击My account或者Your gurobi licenses——Request——Online Course

在这里插入图片描述


Gurobi 许可证创建成功:

在这里插入图片描述


自动激活的话和上面 Name-User Academic一致。

这里选择手动激活:
在Gurobi安装路径中找到grbprobe.exe程序:

在这里插入图片描述


运行grbprobe以生成有关系统的报告:

在这里插入图片描述


点击手动生成:

在这里插入图片描述


会出现一个表单,复制上面grbprobe生成的信息,点击提交:

在这里插入图片描述


提交后会下载许可证:

在这里插入图片描述

五、安装Gurobipy

5.1 在线安装

使用pip或者conda命令进行安装,会自动选择合适的版本。

pip install gurobipy 
conda config --add channels "http://conda.anaconda.org/gurobi" conda install gurobi 

5.2 离线安装1

确定好python的安装位置:

在这里插入图片描述


win+Q,搜索cmd,并且右键管理员运行

在这里插入图片描述

进入gurobi安装根目录的win64目录,如:C:\gurobi1001\win64,使用命令行安装:

C:\ProgramData\anaconda3\python.exe setup.py install

安装成功:

在这里插入图片描述

5.3 离线安装2

进入Gurobipy的官网

在这里插入图片描述


点击Release history,可以找到历史版本。因为Gurobi 的主版本号与其 Python 接口 gurobipy 的版本号是一致的,所以我们选择12.0.0版本的gurobipy:

在这里插入图片描述


根据自己的Python版本和平台,选择对应的文件进行下载:

在这里插入图片描述


将文件复制到服务器上:

在这里插入图片描述


通过cd命令进入到该文件目录,安装Gurobi扩展包:

python -m pip install --find-links gurobipy-12.0.0-cp312-cp312-win_amd64.whl --no-index gurobipy 
在这里插入图片描述


查看包是否安装完成:

在这里插入图片描述

六、测试代码

进入python后新建测试py文件(注意不要命名为gurobipy.py),测试代码如下​:

""" 3000约束量的规划求解,以验证证书是否为免费限制证书 免费限制证书: 约束量<=1000 """import gurobipy as gp from gurobipy import GRB # 创建模型 model = gp.Model("3000_constraints")# 添加变量 num_vars =3000# 约束量vars= model.addVars(num_vars, vtype=GRB.CONTINUOUS, name="x")# 添加约束(约束量3000)for i inrange(3000):# 示例:每个约束为x_i <= 1 model.addConstr(vars[i]<=1, name=f"constraint_{i}")# 添加目标函数(最大化总和) model.setObjective(sum(vars), GRB.MAXIMIZE)# 求解 model.optimize()# 输出结果if model.status == GRB.OPTIMAL:print("最优解:", model.objVal)

求解成功:

在这里插入图片描述

奇葩问题

软件以前安在E盘,后面E盘没了,把安装文件夹删了,安装新的软件出现Invalid Drive:E:

在这里插入图片描述


一检查发现软件没有卸载,但卸载的时候也出现:

在这里插入图片描述


使用CCleaner,清除注册表后也无法卸载。
后面参考:
卸载或安装Git出现Invalid drive错误的解决方案【简记】
先创建一个虚拟E盘,把Gurobi进行卸载,再把虚拟E盘删了,用CCleaner清理一遍注册表,就可以重新安装了

参考

  1. 【大规模优化求解器-Gurobi-教程】
  2. Anaconda下载安装及老版本选择(超详细)
  3. Pycharm安装教程
  4. Gurobi最新安装与学术许可申请教程(2025)
  5. How do I generate a license file for a computer without internet access?
  6. How do I install Gurobi for Python?

Read more

5分钟部署麦橘超然Flux,低显存设备也能玩转AI绘画

5分钟部署麦橘超然Flux,低显存设备也能玩转AI绘画 1. 为什么你值得花5分钟试试这个Flux控制台 你是不是也遇到过这些情况: * 想试试最新的Flux模型,但显卡只有8GB甚至6GB,一加载就报“CUDA out of memory”; * 下载完模型还要手动配置路径、改代码、调参数,折腾两小时还没看到一张图; * 网页版用着方便,但担心隐私泄露、生成被限速、图片被缓存; 别再纠结了——麦橘超然 - Flux 离线图像生成控制台,就是为这类真实场景而生的。它不是又一个需要编译、调参、查文档的实验项目,而是一个开箱即用的本地Web服务:模型已打包进镜像,float8量化技术让DiT主干网络显存占用直降近一半,Gradio界面简洁到连提示词输入框都标好了占位符,连SSH隧道怎么转发都给你写好了命令。 更重要的是,它真的能在你的旧笔记本、远程小内存服务器、甚至实验室里那台只配了RTX 3060的工位机上跑起来。本文不讲原理推导,不堆术语,就带你从零开始,5分钟内完成部署、打开浏览器、输入第一句描述、亲眼看到AI画出赛博朋克雨夜街道——所有操作一步接一步,复制粘贴就能

By Ne0inhk

简单易学的分离式部署小米智能家居Miloco方法

一、安装环境 * Windows用户:安装WSL2以及Docker * macOS/Linux用户:安装Docker 此处不再赘述,网上随便找个教程即可。特别地,对于Windows用户来说,你需要将 WSL2 的网络模式设置为 Mirrored。 二、使用Docker部署Miloco后端 以下均为bash命令。请Windows用户进入WSL2 / Linux、macOS用户进入终端操作: mkdir miloco cd milico vi docker-compose.yml 以下是compose的内容(不会使用vi的同学可以傻瓜式操作:先按i,再使用粘贴功能,然后按冒号,输入wq然后回车,记得关闭输入法): services:backend:container_name: miloco-backend image: ghcr.nju.edu.cn/xiaomi/miloco-backend:latest network_mode:

By Ne0inhk
无人机巡检系统 - 智慧交通基础设施监测 - 小目标/密集目标检测(如裂缝、垃圾) - 多类别路面病害联合检测 智慧交通高清无人机视角高速路面损害检测数据集

无人机巡检系统 - 智慧交通基础设施监测 - 小目标/密集目标检测(如裂缝、垃圾) - 多类别路面病害联合检测 智慧交通高清无人机视角高速路面损害检测数据集

航拍无人机视角高速路面损害检测数据集,3349张 yolo,voc,coco标注方式 图像尺寸:1152*2048 类别数量:6类 训练集图像数量:3153; 验证集图像数量:157; 测试集图像数量:39 类别名称: 每一类图像数 ,每一类标注数 Cracks - 裂缝:446, 815 Waterlogging - 积水:1208, 2091 Ravelling - 松散:459, 869 Muddy_road - 泥泞道路:952, 2084 Road_side_garbage - 道路旁垃圾:329, 429 Potholes - 坑洼:

By Ne0inhk
Flutter 三方库 modular_core 大型应用级鸿蒙微服务化架构适配解析:纵深拆解路由控制组件化隔离网格,利用轻量级依赖注入中枢斩断应用深层耦合羁绊-适配鸿蒙 HarmonyOS ohos

Flutter 三方库 modular_core 大型应用级鸿蒙微服务化架构适配解析:纵深拆解路由控制组件化隔离网格,利用轻量级依赖注入中枢斩断应用深层耦合羁绊-适配鸿蒙 HarmonyOS ohos

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 modular_core 大型应用级鸿蒙微服务化架构适配解析:纵深拆解路由控制组件化隔离网格,利用轻量级依赖注入中枢斩断应用深层耦合羁绊 在构建超大型、多业务线的鸿蒙应用时,代码的模块化分层与解耦是决定项目成败的关键。modular_core 作为 flutter_modular 的核心逻辑库,提供了一套纯粹的依赖注入(DI)和模块生命周期管理机制。本文将深入解析该库在 OpenHarmony 上的适配与应用实践。 前言 什么是 modular_core?它不是一个 UI 框架,而是一套管理“对象如何创建”和“模块如何组织”的底层协议。在鸿蒙操作系统这种强调模块化分发(HAP/HSP)和细粒度原子化服务的生态中,利用 modular_core 可以帮助开发者构建出高内聚、低耦合的系统底座。本文将指导你如何在鸿蒙端侧实现模块的动态注入与回收。 一、

By Ne0inhk