如何在Gurobi中添加取两个连续决策变量乘积下整值的约束

Gurobi不能直接定义v = floor(x * y)这类约束，因为它同时涉及双非线性项（连续变量x和y的乘积）和不连续的取整函数，属于非凸优化问题，而Gurobi默认只支持凸优化模型。不过你可以通过拆解约束、引入辅助变量的方式，让Gurobi能够处理这类需求。

约束拆解思路 #

要实现v = floor(x*y)，可以把它拆成两个部分处理：

• 先把连续变量的乘积转化为辅助变量
• 再用整数变量和不等式约束表达取整逻辑

1. 引入辅助变量处理乘积项 #

添加一个连续辅助变量z，让z = x*y。这是双线性约束，Gurobi支持这类约束，但需要开启非凸求解模式（默认关闭）。

2. 用不等式表达取整逻辑 #

v = floor(z)等价于：

• v ≤ z：保证v不大于z的整数部分
• z < v + 1：保证z小于v的下一个整数
  同时要声明v为整数决策变量。

关键注意事项 #

• 必须开启非凸参数：设置model.setParam('NonConvex', 2)，否则Gurobi会拒绝求解包含双线性约束的非凸模型。
• 非凸问题的局限性：这类问题无法保证找到全局最优解，只能得到局部最优；求解速度会远慢于凸优化问题，变量规模越大越明显。
• 合理设置变量边界：给x、y、z设置明确的上下界，能帮助Gurobi的分支定界算法更高效地搜索解空间。

示例代码（Python） #

import gurobipy as gp
from gurobipy import GRB

# 创建模型
model = gp.Model("floor_product_example")

# 定义决策变量
x = model.addVar(lb=0, ub=5, name="x")  # 给x设置0-5的边界
y = model.addVar(lb=0, ub=5, name="y")  # 给y设置0-5的边界
v = model.addVar(vtype=GRB.INTEGER, name="v")
z = model.addVar(lb=0, ub=25, name="z")  # x*y的最大可能值是25

# 添加约束
model.addConstr(z == x * y, "product_eq")
model.addConstr(v <= z, "floor_lower_bound")
model.addConstr(z < v + 1, "floor_upper_bound")

# 开启非凸求解模式
model.setParam('NonConvex', 2)

# 设置目标函数（示例：最大化v）
model.setObjective(v, GRB.MAXIMIZE)

# 求解模型
model.optimize()

# 输出结果
if model.status == GRB.OPTIMAL:
    print(f"最优解：")
    print(f"x = {round(x.X, 4)}")
    print(f"y = {round(y.X, 4)}")
    print(f"z = x*y = {round(z.X, 4)}")
    print(f"v = floor(z) = {int(v.X)}")
else:
    print("未找到最优解")

内容的提问来源于stack exchange，提问作者bobby