我使用CPLEX 12.9和Python来解决MILP(混合整数线性问题(。我尝试了两种方法；我预计会有同样的结果，但尽管第一种方法有效，但第二种方法无效。
1(第一种方法：
此方法成功运行。在生成的"；。lp"；文件(一个包含人类可读的问题公式的文本文件：有一个必须最小化的目标函数和一些约束(可以看出，x6, x7, x8, x9, x10, x11是continuous变量，并且它们都等于500(我将它们的upper和lower边界都定义为等于500；所以它们实际上是常数(。
2(第二种方法：
它返回CPLEX Error 1217: No solution exists，所以CPLEX无法找到解决方案，但我不明白为什么。
我唯一改变的是：
- 我将
x6, x7, x8, x9, x10, x11设置为binary变量 - 对于它们中的每一个，我定义了等于
0的lower界和等于500的upper界
因此，生成的"；。lp"；文件与使用第一种方法生成的文件非常相似；唯一不同的是：
-
x6, x7, x8, x9, x10, x11被定义为范围(而不是常数(，因此它们是：0 <= x6 <= 500 0 <= x7 <= 500 0 <= x8 <= 500 0 <= x9 <= 500 0 <= x10 <= 500 0 <= x11 <= 500 -
Binaries部分(在".lp"文件的末尾(现在也包含x6, x7, x8, x9, x10, x11变量。
注意：即使(在第二种方法中(我将lower和upper的边界都设置为等于500，问题也会持续存在。
如果使用二进制，则意味着决策变量将为0或1，即使后来添加了一些约束，该约束也应小于500。
如果您希望您的决策变量允许500作为值，则应该使用float或integer作为类型。
如果我使用zoo示例并将整数更改为二进制：
from docplex.mp.model import Model
mdl = Model(name='buses')
nbbus40 = mdl.binary_var(name='nbBus40')
nbbus30 = mdl.binary_var(name='nbBus30')
mdl.add_constraint(nbbus40*40 + nbbus30*30 >= 300, 'kids')
mdl.minimize(nbbus40*500 + nbbus30*400)
mdl.solve()
print(mdl.solve_details.status)
给出：
integer infeasible