Gurobi 运筹优化建模

要解决的问题

运筹优化建模常常卡在“从业务描述到可求解模型”的转换上：决策变量、目标函数、约束条件容易遗漏，业务参数分散在 Excel、CSV、JSON 中，求解后还难判断状态、目标值和变量取值是否合理。gurobi-optimization-skill 把这类过程约束成一条可执行的工程链路。

技能如何工作

该技能按 问题理解 → 数据校验 → 模型构建 → 代码生成 → 求解验证 → 结果分析 推进，强调参数必须来自用户文件或对话，不得编造默认值。关键能力包括：

• 数据入口统一：通过 data_loader.py 和 data_validator.py 处理 .csv、.xlsx、.json、.dat，并检查必需字段。
• 建模与代码生成：基于 prompts/ 下的分步指令，生成 Gurobi Python 模型，写入 outputs/{问题名}/model.py。
• 求解与校验：运行模型后使用 model_validator.py 检查 GRB.OPTIMAL 状态、目标值、Gap、变量与约束情况。
• 迭代与切换：识别修改约束、调整目标、添加变量等意图后，走 iteration_context.md 与参数调整/结构修改流程，并另存带时间戳的新文件；可通过 solver_factory.py 在 Gurobi、SCIP、OR-Tools、CBC 间切换。

适用边界

它适合 LP、MILP、QP、MIQP 等以 Gurobi 为中心的优化任务，也支持生产排程、物流配送、资源分配、库存管理等模板场景。使用时要注意：没有许可证时不要默认强依赖 gurobipy；业务数据缺失时应先补齐字段；占位示例数据必须显式标注并替换。