相关疑难解决方法(0)

是否可以使用scikit-learn K-Means Clustering指定您自己的距离函数？

我想对现有模型中的系数进行更改。目前（使用 Python API）我正在遍历约束并调用，model.chgCoeff但速度很慢。在 Python 和/或 C API 中，是否有更快的方法，也许可以直接访问约束矩阵？

下面的示例代码。它缓慢的原因似乎主要是因为循环本身；用chgCoeff任何其他操作替换仍然很慢。通常我会通过使用向量运算而不是 for 循环来解决这个问题，但如果无法访问约束矩阵，我认为我无法做到这一点。

from __future__ import division
import gurobipy as gp
import numpy as np
import time
N = 300
M = 2000
m = gp.Model()
m.setParam('OutputFlag', False)

masks = [np.random.rand(N) for i in range(M)]
p = 1/np.random.rand(N)
rets = [p * masks[i] - 1 for i in range(M)]
v = np.random.rand(N)*10000 * np.round(np.random.rand(N))

t = m.addVar()
x = [m.addVar(vtype=gp.GRB.SEMICONT, lb=1000, ub=v[i]) for i in range(N)]
m.update()
cons …

假设我使用numpy数组(例如numpy.ndarray)存储大的稀疏矩阵(即,大多数条目为0):零条目实际占用内存吗？numpy是否支持稀疏数组,如果是,则使用哪种存储格式？