本文介绍在 gurobi 中不依赖 solution pool（poolmode）的情况下，通过添加自定义约束强制排除已存在的解（如历史 nba dfs 阵容），重点解决“动态禁止重复解”时因不可哈希对象导致的建模错误，并提供可直接运行的约束构造方法。
本文介绍在 gurobi 中不依赖 solution pool（poolmode）的情况下，通过添加自定义约束强制排除已存在的解（如历史 nba dfs 阵容），重点解决“动态禁止重复解”时因不可哈希对象导致的建模错误，并提供可直接运行的约束构造方法。
在 Gurobi 中，若希望多次求解 MIP 模型并确保每次得到互不相同的整数解（例如生成多个高价值但不重叠的 NBA DFS 阵容），而不启用 PoolMode 或 PoolSolutions，最常用的方法是：在每次获得新解后，向模型中添加一个“no-good constraint”，显式禁止该特定解再次出现。
你遇到的报错（TypeError: unhashable type: 'set'）源于试图在 addConstrs() 中直接使用 Python 的 set() 对象参与 Gurobi 表达式构建——而 Gurobi 的约束构造函数要求所有操作符和表达式必须基于 Var、LinExpr 或常量，不能嵌入运行时 Python 集合或列表推导式（尤其是含 .X 属性的访问，它仅在优化完成后才有效，建模阶段根本不可用）。
✅ 正确做法：对每个已有阵容 i ∈ created_lineups，构造一个逻辑排斥约束——即：当前解 x 与 i 至少在一个变量取值上不同。假设 player_pos_map 是二进制决策变量字典（如 x['LeBron_James_SF']），且 i 是一个包含被选中变量名的元组或 frozenset（如 ('LeBron_James_SF', 'Steph_Curry_PG')），则可写为：
# 假设 created_lineups 是 list[tuple[str, ...]]，每个 tuple 是已生成阵容的变量名元组
for idx, lineup in enumerate(created_lineups):
# 将 lineup 转为 frozenset 便于快速查找，但约束需用线性形式表达
selected_vars = set(lineup)
# 构造 no-good 约束：sum(x[v] for v in selected) + sum(1 - x[v] for v in all_vars \ selected) <p>⚠️ 注意事项：</p>
- 不要在建模阶段调用 .X：y[x].X == 1 是求解后的属性，建模时 y[x] 还只是 Var 对象，.X 未定义；
- created_lineups 必须是静态已知的解集合（如前几次 run 的结果），不能是实时生成的未定解；
- 若变量总数大，该约束会引入大量项；可考虑只对关键球员（如薪资占比 >15% 的 3–5 人）做轻量级差异化约束以提升性能；
- 更高效替代方案：使用 Model.cbLazy() 在回调中动态添加 cuts（适用于分支切割法），但需启用 LazyConstraints=1。
? 总结：禁止重复解的本质是“使当前解与任一历史解的汉明距离 ≥1”。Gurobi 中必须将其线性化为整数约束，而非依赖 Python 集合运算。正确构造的 no-good 约束既保证解的唯一性，又完全兼容 MIP 求解器的数学语义。
