帮我写段用python调用cplex求解运筹优化模型的代码

当然可以，下面是一个简单的例子，展示了如何使用 Python 的 DOcplex（Cplex Python API 的封装）库来创建并解决一个线性规划模型：

from docplex.mp.model import Model

# 创建一个新的模型实例
mdl = Model(name='My Optimization Problem')

# 定义变量 (这里假设我们需要两个非负变量 x 和 y)
x = mdl.continuous_var(name='x', lb=0)  # 非负实数变量
y = mdl.continuous_var(name='y', lb=0)

# 添加目标函数 (最小化 x + y)
mdl.minimize(x + y)

# 添加约束 (例如 x + y <= 100)
mdl.add_constraint(x + y <= 100, name='total')

# 解决模型
solution = mdl.solve()

# 打印解决方案
if solution is not None:
    print(f'Solution found:')
    print(f'x = {solution.get_value(x)}')
    print(f'y = {solution.get_value(y)}')
else:
    print('No solution found.')

# 关闭模型
mdl.close()

在这个例子中，我们首先导入了Model类，然后创建了一个新的模型。接着，定义了两个连续变量x和y，并添加了一个目标函数（最小化x+y）。还添加了一个约束x+y小于等于100。通过`solve()`方法求解模型，最后打印出解决方案。