第一步：注册IBM id账号

第二步：下载相关系统的CPLEX（windows/linux/mac）

这里需要系统中安装有JAVA，选择 open with Java web start launcher （需要下载JAVA），打开后就开始进入下载页面。

补充JAVA安装：

备注：JAVA可以通过rpm包安装，或者是bin文件安装。Rpm安装可以直接双击就可以打开jnlp后缀的文件，bin文件安装的话，需要在图形界面的命令行下执行：javaws ***.jnlp打开。我采用的是bin文件安装。

1、下载你想要的java版本压缩包。

JRE下载：

JDK下载：

2、对下载的文件进行解压

3、修改环境变量：

vim ~/.bashrc

#加入以下内容

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_144

export JRE_HOME=${JAVA_HOME}/jre

export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib

export PATH=${JAVA_HOME}/bin:$PATH

#保存后使之生效

source ~/.bashrc

第三步：下载完.bin文件后，修改文件的权限chmod +x filename.bin。然后用命令执行./filename.bin。进入安装。安装过程中需要设置安装路径，所以最好使用超级权限进行安装。默认路径为：/opt/ibm/ILOG/CPLEX_Studio_Community127

第四步：设置 CPLEX 的 Python API

CPLEX 的 Python API 属于 IBM ILOG CPLEX Optimization Studio 的一部分。

与CPLEX Python API 关联的模块驻留在目录 yourCPLEXhome/python/VERSION/PLATFORM 中（或文件夹 yourCPLEXhome\python\VERSION\PLATFORM 中），此处 yourCPLEXhome 指定 CPLEX 安装为 IBM ILOG CPLEX Optimization Studio 一部分的位置，VERSION 指定与 CPLEX 兼容的 Python 版本，而 PLATFORM 表示操作系统与编译器的组合。

有两种可相互替代的方法来设置 CPLEX 的 Python API。

• 首选且最常用的方法是使用位于目录 yourCPLEXhome/python/VERSION/PLATFORM 中（或文件夹 yourCPLEXhome\python\VERSION\PLATFORM 中）的脚本 setup.py。

• 或者，也可以将环境变量 PYTHONPATH 设置为 yourCPLEXhome/python/VERSION/PLATFORM 并通过 CPLEX 来开始运行 Python 脚本。

在以下段落中对这两种方法均进行了进一步详述。

使用脚本 setup.py

要在系统上安装 CPLEX-Python 模块，请使用位于 yourCplexhome/python/VERSION/PLATFORM 中的脚本 setup.py。 如果要将 CPLEX-Python 模块安装在非缺省位置，请使用选项 --home 识别安装目录。 例如，要将 CPLEX-Python 模块安装在缺省位置，请从命令行使用以下命令：

python setup.py install

要安装在目录 yourPythonPackageshome/cplex 中，请从命令行使用以下命令：

python setup.py install --home yourPythonPackageshome/cplex

这两个命令（缺省和指定主目录）均会调用 Python 包 distutils。 有关适用于该软件包的其他选项，请参考 Python distutils 的文档。

设置环境变量 PYTHONPATH

如果并行运行 CPLEX 的多个版本，那么请使用此方法：通过环境变量 PYTHONPATH 来向 Python 安装声明 CPLEX 及其 Python API 的位置。

要开始使用 CPLEX Python API，请将 Python 路径环境变量 PYTHONPATH 设置为值 yourCplexhome/python/VERSION/PLATFORM。 通过设置此环境变量，该版本的 Python 可以找到其所需的 CPLEX 模块以运行使用 CPLEX Python API 的 Python 命令和脚本。

后续步骤

通过这些可相互替代的方法之一设置 Python 环境后，便可以前进至启动 CPLEX Python API主题。

第五步：实例

Python -- version 2.7

有3个不同求解方式：

execfile("cplexpypath.py")

import cplex

from cplex.exceptions import CplexError

import sys

# data common to all populateby functions

my_obj = [1.0, 2.0, 3.0]

my_ub = [40.0, cplex.infinity, cplex.infinity]

my_colnames = ["x1", "x2", "x3"]

my_rhs = [20.0, 30.0]

my_rownames = ["c1", "c2"]

my_sense = "LL"

def populatebyrow(prob):

prob.objective.set_sense(prob.objective.sense.maximize)

# since lower bounds are all 0.0 (the default), lb is omitted here

prob.variables.add(obj = my_obj, ub = my_ub, names = my_colnames)

# can query variables like the following bounds and names:

# lbs is a list of all the lower bounds

lbs = prob.variables.get_lower_bounds()

# ub1 is just the first lower bound

ub1 = prob.variables.get_upper_bounds(0)

# names is ["x1", "x3"]

names = prob.variables.get_names([0, 2])

rows = [[[0,"x2","x3"],[-1.0, 1.0,1.0]],

[["x1",1,2],[ 1.0,-3.0,1.0]]]

prob.linear_constraints.add(lin_expr = rows, senses = my_sense,

rhs = my_rhs, names = my_rownames)

# because there are two arguments, they are taken to specify a range

# thus, cols is the entire constraint matrix as a list of column vectors

cols = prob.variables.get_cols("x1", "x3")

def populatebycolumn(prob):

prob.objective.set_sense(prob.objective.sense.maximize)

prob.linear_constraints.add(rhs = my_rhs, senses = my_sense,

names = my_rownames)

c = [[[0,1],[-1.0, 1.0]],

[["c1",1],[ 1.0,-3.0]],

[[0,"c2"],[ 1.0, 1.0]]]

prob.variables.add(obj = my_obj, ub = my_ub, names = my_colnames,

columns = c)

def populatebynonzero(prob):

prob.objective.set_sense(prob.objective.sense.maximize)

prob.linear_constraints.add(rhs = my_rhs, senses = my_sense,

names = my_rownames)

prob.variables.add(obj = my_obj, ub = my_ub, names = my_colnames)

rows = [0,0,0,1,1,1]

cols = [0,1,2,0,1,2]

vals = [-1.0,1.0,1.0,1.0,-3.0,1.0]

prob.linear_constraints.set_coefficients(zip(rows, cols, vals))

# can also change one coefficient at a time

# prob.linear_constraints.set_coefficients(1,1,-3.0)

# or pass in a list of triples

# prob.linear_constraints.set_coefficients([(0,1,1.0), (1,1,-3.0)])

def lpex1(pop_method):

try:

my_prob = cplex.Cplex()

if pop_method == "r":

handle = populatebyrow(my_prob)

if pop_method == "c":

handle = populatebycolumn(my_prob)

if pop_method == "n":

handle = populatebynonzero(my_prob)

my_prob.solve()

except CplexError, exc:

print exc

return

numrows = my_prob.linear_constraints.get_num()

numcols = my_prob.variables.get_num()

print

# solution.get_status() returns an integer code

print "Solution status = " , my_prob.solution.get_status(), ":",

# the following line prints the corresponding string

print my_prob.solution.status[my_prob.solution.get_status()]

print "Solution value = ", my_prob.solution.get_objective_value()

slack = my_prob.solution.get_linear_slacks()

pi = my_prob.solution.get_dual_values()

x = my_prob.solution.get_values()

dj = my_prob.solution.get_reduced_costs()

for i in range(numrows):

print "Row %d: Slack = %10f Pi = %10f" % (i, slack[i], pi[i])

for j in range(numcols):

print "Column %d: Value = %10f Reduced cost = %10f" % (j, x[j], dj[j])

my_prob.write("lpex1.lp")

if __name__ == "__main__":

if len(sys.argv) != 2 or sys.argv[1] not in ["-r", "-c", "-n"]:

print "Usage: lpex1.py -X"

print " where X is one of the following options:"

print " r generate problem by row"

print " c generate problem by column"

print " n generate problem by nonzero"

print " Exiting..."

sys.exit(-1)

lpex1(sys.argv[1][1])

else:

prompt = """Enter the letter indicating how the problem data should be populated:

r : populate by rows

c : populate by columns

n : populate by nonzeros\n ? > """

r = 'r'

c = 'c'

n = 'n'

lpex1(input(prompt))

选择r参数，求解结果如下：