# 引入python包
from mindoptpy import *

if __name__ == "__main__":

    MDO_INFINITY = MdoModel.get_infinity()

    # Step 1.创建模型并更改参数。
    
    model = MdoModel()


    try:

        # Step 2. 输入模型。

        #  改为最小化问题。
        #  通过 mindoptpy.MdoModel.set_int_attr() 将目标函数设置为 最小化 

        model.set_int_attr(MDO_INT_ATTR.MIN_SENSE, 1)

        #  添加变量。
        #  通过mindoptpy.MdoModel.add_var() 来添加四个优化变量，
        #  定义其下界、上界、名称和类型。

        x = []

        x.append(model.add_var(0.0,         10.0, 1.0, None, "x0", False))

        x.append(model.add_var(0.0, MDO_INFINITY, 1.0, None, "x1", False))

        x.append(model.add_var(0.0, MDO_INFINITY, 1.0, None, "x2", False))

        x.append(model.add_var(0.0, MDO_INFINITY, 1.0, None, "x3", False))

        #  添加约束。

        #  注意这里的非零元素是按行顺序输入的。

        model.add_cons(1.0, MDO_INFINITY, 1.0 * x[0] + 1.0 * x[1] + 2.0 * x[2] + 3.0 * x[3], "c0")

        model.add_cons(1.0,          1.0, 1.0 * x[0]              - 1.0 * x[2] + 6.0 * x[3], "c1")

        
        # Step 3. 解决问题并填充结果。
        # 调用 mindoptpy.MdoModel.solve_prob() 求解优化问题，
        # 并用 mindoptpy.MdoModel.display_results() 来查看优化结果

        model.solve_prob()
        model.display_results()

        # 调用 mindoptpy.MdoModel.get_status() 来检查求解器的优化状态，
        # 并通过 mindoptpy.MdoModel.get_real_attr() 和 
        # mindoptpy.MdoVar.get_real_attr() 来获取目标值和最优解。
        status_code, status_msg = model.get_status()
        if status_msg == "OPTIMAL":
            print("Optimizer terminated with an OPTIMAL status (code {0}).".format(status_code))
            print("Primal objective : {0}".format(round(model.get_real_attr(MDO_REAL_ATTR.PRIMAL_OBJ_VAL), 2)))
            for curr_x in x:
                print(" - x[{0}]          : {1}".format(curr_x.get_index(), round(curr_x.get_real_attr(MDO_REAL_ATTR.PRIMAL_SOLN), 2)))
        else:
            print("Optimizer terminated with a(n) {0} status (code {1}).".format(status_msg, status_code))

        # 如果求解异常，在这里将会看见它的状态码和错误原因
    except MdoError as e:
        print("Received Mindopt exception.")
        print(" - Code          : {}".format(e.code))
        print(" - Reason        : {}".format(e.message))
    except Exception as e:
        print("Received exception.")
        print(" - Reason        : {}".format(e))
    finally:

        # Step 4. 释放模型。
        # 调用 mindoptpy.MdoModel.free_mdl() 来释放内存
        # (多次运行部分脚本的时候有些变量已经被用，所以调用这个api进行清除)

        model.free_mdl()

# 模型摘要
Model summary.
 - Num. variables     : 4
 - Num. constraints   : 2
 - Num. nonzeros      : 7
 - Bound range        : [1.0e+00,1.0e+01] #限制范围
 - Objective range    : [1.0e+00,1.0e+00] #目标范围
 - Matrix range       : [1.0e+00,6.0e+00] #矩阵范围

Presolver started.
Presolver terminated. Time : 0.001s

Simplex method started.

    Iteration       Objective       Dual Inf.     Primal Inf.     Time
            0     0.00000e+00      0.0000e+00      1.0000e+00     0.00s    
            2     4.00000e-01      0.0000e+00      0.0000e+00     0.01s    
Postsolver started.
Simplex method terminated. Time : 0.004s

# 决策变量的最佳取值
Optimizer terminated with an OPTIMAL status (code 1).
Primal objective : 0.4
 - x[0]          : 0.0
 - x[1]          : 0.0
 - x[2]          : 0.2
 - x[3]          : 0.2

# 展示了使用的单纯形法，优化器的状态，优化使用的时间
Optimizer summary.
 - Optimizer used     : Simplex method
 - Optimizer status   : OPTIMAL
 - Total time         : 0.005s

# 目标函数的实现
Solution summary.       Primal solution
 - Objective          : 4.0000000000e-01