如何在Gurobi Python中为MILP问题编写嵌套求和带乘法的约束

根据你要构建的约束形式（嵌套求和+乘法：对每个i，Σ_j(Σ_k(x_ijk × y_jk)) ≤ z_i），直接用Gurobi的quicksum工具即可高效实现，以下是具体代码示例：

步骤1：定义集合与变量 #

先明确你的索引集合（比如I、J、K，可根据实际业务用列表/集合定义），再创建对应的Gurobi变量：

from gurobipy import Model, GRB, quicksum

# 示例集合，替换为你的实际索引
I = [1, 2, 3]
J = ["A", "B", "C"]
K = [0, 1]

model = Model("OptimizationModel")

# 三维决策变量x_ijk
x = model.addVars(I, J, K, vtype=GRB.CONTINUOUS, name="x")
# 二维变量/参数y_jk：如果是参数直接用字典存储，比如y = {(j,k): 1.5 for j in J for k in K}
y = model.addVars(J, K, vtype=GRB.CONTINUOUS, name="y")
# 一维变量z_i
z = model.addVars(I, vtype=GRB.CONTINUOUS, name="z")

步骤2：添加嵌套求和约束 #

利用双层quicksum实现嵌套求和，避免低效的Python循环：

for i in I:
    # 内层对k求和x_ijk*y_jk，外层对j求和，最终约束结果≤z_i
    left_hand_side = quicksum(quicksum(x[i,j,k] * y[j,k] for k in K) for j in J)
    model.addConstr(left_hand_side <= z[i], name=f"Constraint_{i}")

注意事项 #

• 必须用quicksum而非Python内置sum，Gurobi会对quicksum生成的表达式做优化，大幅提升大规模模型的构建速度
• 如果y是固定输入参数，无需创建Gurobi变量，直接用Python字典代入计算即可
• 约束命名带上索引i，方便后续通过model.getConstrByName()调试特定约束

内容的提问来源于stack exchange，提问作者Margi Shah