Python中Gurobi添加多维度变量触发AssertionError问题咨询

你遇到的AssertionError是因为目标系数矩阵penalty_matrix的维度与addVars生成的变量索引维度不匹配：

• addVars(range(num_s), range(num_p), range(num_d))生成的是三维变量组，维度为(num_s, num_p, num_d)，当num_s=2时，共有2×2×2=8个变量；
• 但你定义的penalty_matrix是二维数组，维度为(num_p, num_d)即2×2，只有4个系数值，无法为每个变量分配对应的目标系数，因此触发断言错误；
• 当num_s=1时，变量组维度变为1×2×2，共4个变量，刚好和penalty_matrix的元素数量一致，Gurobi可以按顺序匹配系数，所以错误消失。

需要将penalty_matrix调整为与变量维度一致的三维数组。比如如果所有s对应的惩罚系数相同，可以用np.repeat或np.expand_dims扩展维度：

# 扩展为三维：(num_s, num_p, num_d)
penalty_matrix = np.repeat(np.expand_dims(penalty_matrix, axis=0), num_s, axis=0)

或者根据实际业务逻辑，生成每个s对应的专属惩罚系数矩阵，确保最终penalty_matrix的形状为(num_s, num_p, num_d)。

修改后的完整代码示例：

import numpy as np
import gurobipy as gp
from gurobipy import GRB

num_p = 2
num_s = 2
num_d = 2

# 生成二维惩罚矩阵后扩展为三维
penalty_matrix_2d = np.array([[1 / num_s * abs(0 - t) for t in range(num_d)] for _ in range(num_p)])
penalty_matrix = np.repeat(np.expand_dims(penalty_matrix_2d, axis=0), num_s, axis=0)

model = gp.Model('fixed-example')

# 现在变量维度和目标系数维度匹配
error_variable = model.addVars(range(num_s), range(num_p), range(num_d), obj=penalty_matrix, vtype=GRB.BINARY)

model.optimize()

内容的提问来源于stack exchange，提问作者TOm_99