代码sp1obj = gp.quicksum(pi[i]*bnewplan1[q][i] for q in range(m) for i in range(numpatient)) 报错 KeyError: 0是啥意思

在 Gurobi 的 Python 接口中，`KeyError` 错误通常表示你试图使用不存在的键来访问字典。在你的代码中，`KeyError: 0` 的意思是出现了一个键错误，而这个错误发生在尝试使用索引 `0` 来访问 `bnewplan1` 列表时。

根据你的代码，我注意到 `bnewplan1` 是一个二维列表，其中每个元素都是一个变量。因此，在创建变量 `bnewplan1` 的循环中，你需要为每个变量指定一个唯一的名称，而不是共享相同的名称。

以下是修改后的代码示例：

# 定义变量
bnewplan1 = []
for q in range(m):
    bnewplan1.append([])
    for i in range(numpatient):
        bnewplan1[q].append(s1.addVar(vtype='B', name=f'bnewplan1_{q}_{i}'))

在这个示例中，我为每个变量指定了一个唯一的名称，使用了 f-string 来生成变量的名称。通过为每个变量指定唯一的名称，你应该能够解决 `KeyError: 0` 错误。

请注意，你在目标函数 `sp1obj` 中使用了这些变量，确保在目标函数中使用正确的变量名称。

如果问题仍然存在，请提供更多代码上下文，以便我可以更好地帮助你解决问题。

相关问题

def mycallback(s, where = None): global feasible_solutions # 在函数中使用全局变量 x = s._x # 获取变量x if where == GRB.Callback.MULTIOBJ: # 获取当前得到的解 x_sol = s.cbGetSolution(x) feasible_solutions.append(x_sol) # 将解添加到列表中 elif where == GRB.Callback.MIPSOL: # 当找到下一个可行解时，也将其添加到列表中 obj_bound =s.cbGet(GRB.Callback.MIPSOL_OBJBND) if obj_bound is not None and obj_bound < GRB.INFINITY: feasible_solutions.append(s.cbGetSolution(x)) #子问题1没超时 def sp1(pi,perovertimecost,normal_mean,numpatient,patient_sequence): s1 = gp.Model("sp1") m=5 bnewplan1 = s1.addVars(range(m), range(numpatient),vtype=GRB.BINARY,name='bnewplan1') s1._x = bnewplan1 #设置目标函数、约束条件 sp1obj = gp.quicksum(pi[i]*bnewplan1[q,i] for q in range(m) for i in range(numpatient)) s1.setObjective(sp1obj,GRB.MAXIMIZE) s1.addConstrs(gp.quicksum(bnewplan1[q,i]*normal_mean[i] for i in range(numpatient)) +80-optime<=0 for q in range(m)) global feasible_solutions feasible_solutions = [] # 声明全局变量 # 设置回调函数 s1.setParam(GRB.Param.SolutionLimit, 1e3) s1.params.outputFlag = 0 # 关闭输出 s1.optimize(mycallback) s1.optimize() sp_obj=s1.objval print('子问题的最优解为',sp_obj) print('feasible_solutions',feasible_solutions) return sp_obj sp_obj = sp1(pi,perovertimecost,normal_mean,numpatient,patient_sequence)这段代码为什么输出feasible_solutions是空列表 呢？

在你的代码中，`feasible_solutions` 是一个全局变量，用于存储找到的可行解。然而，它在 `mycallback` 函数中被初始化为一个空列表 `[]`，并在每次调用 `sp1` 函数时都会被重新初始化。

这意味着在每次调用 `mycallback` 函数时，`feasible_solutions` 都会被重置为空列表。因此，在 `sp1` 函数中打印 `feasible_solutions` 的时候，它会是一个空列表。

要解决这个问题，你可以将 `feasible_solutions` 的初始化移到 `sp1` 函数之外，这样它就不会被重新初始化了。以下是修改后的代码示例：

def mycallback(s, where = None):
    global feasible_solutions  # 在函数中使用全局变量
    x = s._x  # 获取变量x
    if where == GRB.Callback.MULTIOBJ:
        # 获取当前得到的解
        x_sol = s.cbGetSolution(x)
        feasible_solutions.append(x_sol)  # 将解添加到列表中

    elif where == GRB.Callback.MIPSOL:
        # 当找到下一个可行解时，也将其添加到列表中
        obj_bound =s.cbGet(GRB.Callback.MIPSOL_OBJBND)
        if obj_bound is not None and obj_bound < GRB.INFINITY:
            feasible_solutions.append(s.cbGetSolution(x))

#子问题1没超时
def sp1(pi,perovertimecost,normal_mean,numpatient,patient_sequence):
    s1 = gp.Model("sp1")
    m=5
    bnewplan1 = s1.addVars(range(m), range(numpatient),vtype=GRB.BINARY,name='bnewplan1')
    s1._x = bnewplan1
    #设置目标函数、约束条件
    sp1obj = gp.quicksum(pi[i]*bnewplan1[q,i] for q in range(m) for i in range(numpatient))
    
    s1.setObjective(sp1obj,GRB.MAXIMIZE)    
    s1.addConstrs(gp.quicksum(bnewplan1[q,i]*normal_mean[i] for i in range(numpatient)) 
                  +80-optime<=0 for q in range(m))
 
    #global feasible_solutions  # 移除全局变量声明
    #feasible_solutions = []  # 声明全局变量
    # 设置回调函数
    s1.setParam(GRB.Param.SolutionLimit, 1e3)
    s1.params.outputFlag = 0  # 关闭输出
    s1.optimize(mycallback)
    s1.optimize() 
    sp_obj=s1.objval
    print('子问题的最优解为',sp_obj)

    print('feasible_solutions',feasible_solutions) 
    return sp_obj

feasible_solutions = []  # 初始化全局变量
sp_obj = sp1(pi,perovertimecost,normal_mean,numpatient,patient_sequence)

在这个示例中，我将 `feasible_solutions` 的初始化移到 `sp1` 函数之外，并将其设置为空列表。这样，在每次调用 `sp1` 函数时，`feasible_solutions` 不会被重新初始化，并且可以正确地存储找到的可行解。

请注意，在修改后的代码中，你需要在调用 `sp1` 函数之前初始化 `feasible_solutions` 列表。这样，`feasible_solutions` 就会在整个程序中被共享，并且可以正确地存储和访问其中的解。

def mycallback(s1, where = None): global feasible_solutions # 在函数中使用全局变量 x = s1._x # 获取变量x if where == GRB.Callback.MULTIOBJ: # 获取当前得到的解 x_sol = s1.cbGetSolution(x) feasible_solutions.append(x_sol) # 将解添加到列表中 elif where == GRB.Callback.MIPSOL: # 当找到下一个可行解时，也将其添加到列表中 obj_bound =s1.cbGet(GRB.Callback.MIPSOL_OBJBND) if obj_bound is not None and obj_bound < GRB.INFINITY: feasible_solutions.append(s1.cbGetSolution(x)) #子问题1没超时 def sp1(pi,perovertimecost,normal_mean,numpatient,patient_sequence): s1 = gp.Model("sp1") m=10 # 定义变量 bnewplan1 = [] for q in range(m): bnewplan1.append([]) for i in range(numpatient): bnewplan1[q].append(s1.addVar(vtype='B', name='bnewplan1')) s1._x = bnewplan1 #设置目标函数、约束条件 sp1obj = gp.quicksum(pi[i]*bnewplan1[q][i] for q in range(m) for i in range(numpatient)) s1.setObjective(sp1obj,GRB.MAXIMIZE) s1.addConstrs(gp.quicksum(bnewplan1[q][i]*normal_mean[i] for i in range(numpatient)) +80-optime<=0 for q in range(m)) global feasible_solutions feasible_solutions = [] # 声明全局变量 # 设置回调函数 s1.setParam(GRB.Param.SolutionLimit, 1e3) s1.params.outputFlag = 0 # 关闭输出 s1.optimize(mycallback) s1.optimize() sp_obj=s1.objval print('子问题的最优解为',sp_obj) print('feasible_solutions',feasible_solutions) 这段代码中为什么输出的feasible_solutions为空

在你的代码中，`feasible_solutions` 初始化为空列表 `[]` 是正确的。然而，在回调函数 `mycallback` 中，在 `GRB.Callback.MULTIOBJ` 的情况下，你将每个解添加到 `feasible_solutions` 列表中。但在 `GRB.Callback.MIPSOL` 的情况下，你没有将解添加到列表中。

要解决这个问题，你可以在 `GRB.Callback.MIPSOL` 的情况下，使用与 `GRB.Callback.MULTIOBJ` 相同的代码将解添加到 `feasible_solutions` 列表中。以下是修改后的代码示例：

elif where == GRB.Callback.MIPSOL:
    # 当找到下一个可行解时，将其添加到列表中
    obj_bound = s1.cbGet(GRB.Callback.MIPSOL_OBJBND)
    if obj_bound is not None and obj_bound < GRB.INFINITY:
        x_sol = s1.cbGetSolution(x)
        feasible_solutions.append(x_sol)

在这个示例中，当找到下一个可行解时，将解存储在变量 `x_sol` 中，并将其添加到 `feasible_solutions` 列表中。

请确保在调用 `s1.optimize(mycallback)` 前将 `global feasible_solutions` 放在函数之外，以便全局变量能够正确使用。

这样修改后，你应该能够将找到的可行解添加到 `feasible_solutions` 列表中，并输出非空列表。