如何预定义Gurobi模型实现迭代阶段多场景多进程并行求解

首先明确：Gurobi的Model和Env对象属于C扩展实现的非序列化对象，无法直接通过multiprocessing的默认序列化机制传递给子进程，因此无法直接在主进程定义一次后直接分给多个子进程使用，但可以通过以下低成本方案实现「仅构建一次基础模型」的需求，避免每轮迭代/每个子进程重复定义模型逻辑：

方案1：基础模型预导出为MPS/LP文件（推荐，跨平台兼容） #

这是最稳定高效的实现方式：

• 主进程启动后先一次性构建好基础模型，导出为本地MPS格式文件（MPS是Gurobi支持的标准模型格式，读写速度极快）
• 所有子进程求解场景时，直接读取该基础模型文件，再修改对应约束即可，无需重复编写模型构建逻辑
• 基础模型文件仅需生成一次，后续所有迭代轮次都可以复用

示例代码 #

import multiprocessing as mp
import gurobipy as gp
import os

# 全局配置：基础模型路径，仅生成一次
BASE_MODEL_PATH = "base_model.mps"

def build_base_model():
    """主进程调用：一次性构建基础模型并导出"""
    with gp.Env() as env, gp.Model(env=env) as base_model:
        # 这里写你的基础模型定义逻辑，所有场景通用的部分都在这里实现
        # ......
        # 导出基础模型
        base_model.write(BASE_MODEL_PATH)

def solve_scene(input_data):
    """子进程调用：读取基础模型+修改约束+求解"""
    scene_id, constraint_params = input_data
    with gp.Env() as env, gp.read(BASE_MODEL_PATH, env=env) as model:
        # 根据当前场景参数调整对应约束，比如修改RHS、增减约束等
        # 示例：调整指定约束的右侧值
        # model.getConstrByName(f"constr_{scene_id}").RHS = constraint_params
        model.optimize()
        # 提取求解结果返回
        res = {
            "scene_id": scene_id,
            "obj_val": model.ObjVal if model.status == gp.GRB.OPTIMAL else None
            # 其他需要的结果字段
        }
        return res

if __name__ == '__main__':
    # 第一步：仅启动时运行一次，构建并导出基础模型
    if not os.path.exists(BASE_MODEL_PATH):
        build_base_model()
    
    # 迭代流程示例
    for iter_num in range(10): # 你的迭代轮次
        print(f"开始第{iter_num}轮迭代")
        # 组装当前轮次的9个场景输入参数
        scene_inputs = [(i, f"param_{i}") for i in range(9)]
        # 多进程并行求解
        with mp.Pool(processes=9) as pool:
            iter_results = pool.map(solve_scene, scene_inputs)
        # 处理当前轮次的求解结果
        # ......

方案2：使用Gurobi原生多场景特性 #

如果你的9个场景仅涉及约束右端值、变量上下界、目标系数的调整，可以直接使用Gurobi内置的Multi-Scenario功能，无需自己实现多进程逻辑，Gurobi会自动并行求解所有场景，代码实现更简洁：

import gurobipy as gp

with gp.Env() as env, gp.Model(env=env) as model:
    # 构建基础模型
    # ......
    # 设置场景数为9
    model.NumScenarios = 9
    for scene_id in range(9):
        model.params.ScenarioNumber = scene_id
        # 给当前场景设置对应约束/变量参数
        # model.getConstrByName("xxx").ScenNRHS = xxx
    # 一次性并行求解所有场景
    model.optimize()
    # 逐个读取场景结果
    for scene_id in range(9):
        model.params.ScenarioNumber = scene_id
        print(f"场景{scene_id}目标值：{model.ObjVal}")

注意事项 #

• 禁止多个进程共用同一个GurobiEnv或Model实例，会引发内存错误、许可冲突等异常
• 若使用Linux/macOS系统的fork模式多进程，理论上可以继承主进程的模型对象，但容易出现Gurobi内部状态冲突问题，稳定性远低于预导出MPS的方案，不推荐使用

内容的提问来源于stack exchange，提问作者Sanjeev