两阶段鲁棒优化代码，很好的学习资料，内附对应文献。

该资源采用python编写，通过调用gurobi对数值双层优化问题进行求解，是学习双层规划的绝佳材料。

配网中电动汽车充电的最优调度 项目摘要 运输部门在总能源消耗中占很大比例，迄今为止主要以化石燃料为基础。 通过道路交通的大规模电气化减少温室气体的排放，可能会降低配电网中的电压分布和过载的网络设备。 以集中和协调的方式控制电动汽车的充电时间表可为缓解此类问题提供一种潜在的解决方案，并可推迟对网络基础设施升级的投资。 在这项工作中，提出了一种用于在居民低压配电网中为电动汽车充电过夜的健壮的，将成本最小化的单向日前调度例程，该例程在随机环境中观察了本地网络，设备和充电需求约束。 为了降低计算复杂度，采用了线性潮流近似。 建模环境涉及不确定的住宅用电需求，市场价格以及电动汽车所有者的出行行为，包括随机的每日出行距离，到达和离开时间。 有关这些参数的概率分布的知识用于对冲有关充电成本，网络过载，电压违规和充电可靠性的风险。 结果提供了对不确定性的影响以及优化过程中解决风险特定方面的有效性的见解

Gurobi 机器学习讲座第二部分，对于机器学习以及求解最优化问题的资料。

Gurobi 机器学习讲座第一部分，对于机器学习以及求解最优化的问题的学习资料。

这是Gurobi的参考资料，包括计算原理，数值稳定分析，线性规划、二次规划和混合整数规划（MIPs）等。

主要介绍一类特殊的排产问题，在优化目标部分期望使得计划期内仓库日最大库存量尽可能地降低，同时也 关注工人班次、加班、更换模具次数等因素；在约束部分，除了满足日常客户需求，还考虑了安全库存、料架 调用等条件。

通过对生产切换问题进行建模, 并采用gurobi+python对该模型进行求解, 是学习gurobi和生产调度问题的绝佳资料.

通过对装配计划问题进行建模, 并采用gurobi+python对该模型进行求解, 是学习gurobi和生产调度问题的绝佳资料.

SVM范例 使用Gurobi计算支持向量机的示例 运行示例 从命令行启动Python的网络服务器 make 将浏览器指向 添加不同类型的点（红色和绿色）。 单击“计算分类”以解决SVM优化问题。 执行优化 要仅解决模型（不运行Web服务器），请执行以下操作： make test 资料来源 基于上这个例子的想法页面和模型PG definied。 423