Python mip库构建混合整数规划模型时变量相乘报错，MIP是否不支持变量乘法运算

Python-MIP作为线性混合整数规划求解框架，原生不支持两个决策变量/线性表达式之间的乘法运算，你遇到的报错并非代码逻辑错误，是框架本身的设计限制。

• 你定义的func在传入普通Python数值时可正常运行，是因为常规数值乘法属于Python原生支持的基础逻辑。
• 一旦传入MIP变量对象，(x1 - 0.5)、(i1 - 1)都会被解析为LinExpr类型的线性表达式。
• Python-MIP的LinExpr类仅实现了与常数、已知参数的乘法运算逻辑，未定义两个线性表达式对象相乘的操作，因此直接相乘时会抛出Can not multiply with type <class 'mip.entities.LinExpr'>的类型不匹配报错。
• 两个线性表达式相乘后会生成二次项，本身就超出线性MIP的求解范畴，框架从设计层面就没有为这类非线性运算提供支持。

你的目标函数项(x1 - 0.5)*(i1 - 1)中，i1是整数型变量（MIP框架中的整数变量必然可提前确定取值上下界，否则模型本身无界不可求解），这类包含整数、连续变量乘积的双线性项，可以通过手动线性化等价转换为框架可处理的线性形式，核心逻辑是利用整数变量的有界性，把非线性乘积拆为线性项与辅助变量的组合：

1. 首先在定义变量时为i1设定明确的上下界（可通过add_var的lb、ub参数指定，这是MIP模型可求解的前提）。
2. 引入对应的辅助变量，通过标准的双线性项线性化方法，将x1*i1的乘积关系等价为一组线性约束：由于整数变量的取值范围是离散有界的，可将其拆为多个二进制0-1变量的线性组合，对每个连续变量与0-1变量的乘积，通过对应的边界约束即可无误差等价表示，最终组合得到整个乘积项的线性等价形式。
3. 原目标函数可展开为线性形式：(x1 - 0.5)*(i1 - 1) = x1*i1 - x1 - 0.5*i1 + 0.5，将其中的非线性乘积项替换为线性辅助变量后，整个目标就全部由线性项构成，Python-MIP可正常识别、求解。

• 若未给整数变量限定上下界，上述线性化方法无法使用，此时模型本身因整数变量无界，不具备可求解性。
• 若需要原生支持变量间的乘法运算，需切换到支持二次规划、非线性规划的求解框架，仅靠默认线性MIP接口无法实现这类非线性操作。

内容的提问来源于stack exchange，提问作者Dirk Nachbar