• Python-Cplex安装（假定读者具备Python基础，且已经安装好Anaconda）

（一）方法1：适用于求解小规模问题

pip install cplex -i https://pypi.tuna.tsinghua.edu.cn/simple

（二）方法2：可求解大规模问题

Python3.6（Anaconda）+cplex12.8.0（亲测cplex12.8.0下不支持python3.7）

 注意： 

1. 以管理员身份打开
2. 若anaconda非3.6环境，在创建Python3.6环境后，激活该环境（这里gym环境是我的python3.6环境的名字，可百度搜索Python如何创建新环境）
3. 进入到你的cplex安装路径下的python路径
4. 执行安装命令
5. Cplex需要事先安装好，可直接在IBM官网下载学术免费版，但需要edu邮箱，学术版白嫖链接：使用Cplex的第一天（不限语言，含学术版软件） - 知乎 (zhihu.com)

测试：

import cplex

cplexmodel = cplex.Cplex()

• 实例：线性规划问题模型求解

（一）方法一：通过读取lp文件

LP-ex1.lp文件内容：模型样例

import cplex
# 初始化模型
prob = cplex.Cplex()
# 模型写入
#prob.write("LP-ex1.lp")
# 读取lp文件
prob.read('LP-ex1.lp')
# 模型求解
prob.solve()
print("目标函数值：", prob.solution.get_objective_value()) #122.5
print("最优解：", prob.solution.get_values()) #[40.0, 10.5, 19.5, 3.0]

（二）按行建模（还有按列建模，按系数建模，了解更多移步b站运筹OR帷幄）

import cplex
#初始化模型
prob = cplex.Cplex()
prob.objective.set_sense(prob.objective.sense.maximize)
obj = [1.0, 2.0, 3.0, 1.0]
#决策变量取值范围上界
ub = [40.0, cplex.infinity, cplex.infinity, 3.0]
#决策变量取值范围下界
lb = [0.0, 0.0, 0.0, 2.0]
varnames = ["x1", "x2", "x3", "x4"]
#决策变量类型，C是数值，I是整数
types = 'CCCI'
prob.variables.add(obj=obj, ub=ub, lb=lb, types=types, names=varnames)
print(prob.variables.get_lower_bounds())
print(prob.variables.get_upper_bounds("x2"))
print(prob.variables.get_names())
#约束中<=(L),=(E)
senses = "LLE"
rhs = [20.0, 30.0, 0.0]
rownames = ["r1", "r2", "r3"]
rows = [[["x1", "x2", "x3", "x4"], [-1.0, 1.0, 1.0, 10.0]],
        [["x1", "x2", "x3", "x4"], [1.0, -3.0, 1.0, 0.0]],
        [["x1", "x2", "x3", "x4"], [0.0, 1.0, 0.0, -3.5]]]
prob.linear_constraints.add(lin_expr=rows, senses=senses, rhs=rhs, names=rownames)
prob.solve()
# 查看目标函数值
print("目标函数值：",prob.solution.get_objective_value())
# 查看最优解
print("最优解：",prob.solution.get_values())