C语言Mdo_setIntParam(model, "Method", -1)
C++model.setIntParam(model, "Method", -1)
pythonmodel.set_int_param("Method", -1)

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("MinSense", 1)
#  优化方法修改为内点法model.set_int_param("Method", 2)

#默认参数Optimizersummary.
-Optimizerused     : Simplexmethod#单纯形法-Optimizerstatus   : OPTIMAL-Totaltime         : 0.002s#修改后Optimizersummary.
-Optimizerused     : Interiorpointmethod#内点法-Optimizerstatus   : OPTIMAL-Totaltime         : 0.013s

C语言Mdo_setIntParam(model, "IPM/MaxIterations", 400);
C++model.setIntParam("IPM/MaxIterations", 400);
Pythonmodel.set_int_param("IPM/MaxIterations", 400)

# 我们同样选择使用内点法，但限制它的最大迭代次数。model.set_int_param("Method", 2)
#修改最大迭代次数为1model.set_int_param("IPM/MaxIterations", 1)

#由于我们限制了迭代次数导致求解失败，我们可以看下它的报错#状态码 -9000代表求解已达到最大迭代数，说明我们给的最大迭代次数不够-Code          : -9000#出错的原因这里也展示了：优化时达到迭代极限。-Reason        : Iterationlimitwasreachedinoptimization.

model.set_int_param("IPM/MaxIterations", 8) #把最大迭代次数修改到8#运行结果：Solutionsummary.       Primalsolution-Objective          : 4.0000000000e-01

C语言Mdo_setRealParam(model, "MaxTime", 7200.0);
C++model.setRealParam("MaxTime", 7200.0);
Pythonmodel.set_real_param("MaxTime", 7200.0)

try:
model.set_int_attr(MDO_INT_ATTR.MIN_SENSE, 1)
model.set_real_param("MaxTime", 0.00)
-Code          : -9001-Reason        : Timelimitwasreachedinoptimization.
#优化达到了时间限制，所以程序终止

# 引入python包frommindoptpyimport*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。 model.set_int_attr("MinSense", 1)# 改为最小化问题model.set_real_param("MaxTime", 1.0) #求解时间设置为1.00秒       model.set_int_param("Method", 2) # 设置为使用内点法       model.set_int_param("IPM/MaxIterations", 8) # 设置最大叠戴此时为8，上文为1是错误的示例#  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()
ifstatus_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)))
forcurr_xinx:
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exceptMdoErrorase:
print("Received Mindopt exception.")
print(" - Code          : {}".format(e.code))
print(" - Reason        : {}".format(e.message))
exceptExceptionase:
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()