数据科学家，工程师，计算机科学家，经济学家，以及通常具有以下背景的专业人员 Python 的数学建模和基础知识。
- 说明了数学优化的广泛适用性。
- 展示如何建立数学优化模型。
建模案例集使用 Jupyter Notebook 中的 Gurobi Python API。
建模案例集说明了Gurobi Python API建模对象的重要功能，例如添加决策变量，建立线性表达式，添加约束以及为数学添加目标函数 优化模型。此外，他们还解释了更高级的功能，例如广义约束，分段线性函数，多目标分层优化以及“典型”类型的约束，例如“分配” 约束”，“平衡约束”，“排序约束”，“优先约束”等。此外，这些建模案例集说明了如何在不同的情况下使用 Gurobi 的建模对象和典型约束类型上下文。
- 设施选址问题 Facility Location
- 基站覆盖问题 Cell Tower Coverage
- 3D 井字棋 3D Tic Tac Toe
- 营销活动优化 Marketing Campaign Optimization
- 海上风力发电场 Offshore Wind Farming
- Customer Assignment
- Factory Planning
- Food Manufacturing 1
- Mining
- Refinery
- Best Feature Selection for Forecasting
原地址：https://github.com/Gurobi/modeling-examples
本目录下的文件采用的协议为 Apache 2.0 license,版权归 Gurobi 所有
(c) Copyright 2019 Gurobi Optimization, LLC
翻译 By Arvin Xu