Gurobi求解二次规划（QP）问题的基础用法速查表：

1. 导入和安装：

• pip install gurobipy
• import gurobipy as gp
from gurobipy import GRB

2. 模型初始化

• model = gp.Model(name)
  创建新模型，name 为模型名称。

• model.dispose()
  释放模型资源（内存管理）。

3. 变量定义

• addVar(lb, ub, vtype, name)
  添加单个变量：

  • lb/ub: 变量上下界（默认 -∞/+∞）。

  • vtype: 变量类型（GRB.CONTINUOUS/GRB.INTEGER/GRB.BINARY）。

  • name: 变量名称。

• addVars(count, lb, ub, vtype, name_prefix)
  批量添加多个变量（返回 VarList 对象）。

• model.update()
  强制刷新模型变量和约束（显式应用更改）。

4. 目标函数

• setObjective(expr, sense)
  设置目标函数：

  • expr: 目标表达式（支持线性、二次项）。

  • sense: 优化方向（GRB.MINIMIZE 或 GRB.MAXIMIZE）。

• setObjectiveN(expr, index, priority, weight)
  多目标优化中设置第 index 个目标（优先级 priority，权重 weight）。

5. 约束条件

• addConstr(lhs, sense, rhs, name)
  添加单个约束：

  • lhs ≤/=/≥ rhs（sense 为 GRB.LESS_EQUAL/GRB.EQUAL/GRB.GREATER_EQUAL）。

  • 示例：model.addConstr(x + 2*y <= 10, "c1")

• addConstrs(generator)
  批量添加约束（通过生成器表达式）。
  示例：model.addConstrs(x[i] <= 5 for i in range(3))

• addQConstr(quad_expr, sense, rhs, name)
  添加二次约束（非凸问题需设置 NonConvex=2）。

6. 求解控制

• optimize()
  启动求解过程。

• optimize(callback)
  带回调函数的求解（自定义中断逻辑）。

• reset()
  重置模型状态（清除求解结果）。

• terminate()
  强制终止求解。

7. 参数设置

• model.Params.参数名 = 值
  设置求解器参数（常用参数）：

  • TimeLimit: 最大运行时间（秒）。

  • OutputFlag: 控制日志输出（0 关闭，1 开启）。

  • NonConvex: 处理非凸 QP（2 允许非凸）。

  • Threads: 并行线程数。

8. 结果获取

• model.status
  获取求解状态（GRB.OPTIMAL/GRB.INFEASIBLE/GRB.UNBOUNDED 等）。

• var.X
  获取变量值（如 x.X）。

• model.ObjVal
  获取目标函数值。

• model.getVars()
  返回所有变量的列表。

• model.getConstrs()
  返回所有约束的列表。