最近升级电脑硬件，需要重新配置 Python 和 Gurobi，然而在重装的过程中遇到了一些问题，为避免日后重复踩坑，这里简单记录一下配置方法。出于个人习惯，我使用 vscode + anaconda 方式配置 Python，同时为 Gurobi 创建单独的 conda 环境进行调用。
步骤1，配置 anaconda
在下载并安装 anaconda 后，打开 Anaconda Powershell Prompt 或 Anaconda Prompt，用以下语句创建新的 conda 环境：
conda create --name envname packages其中 envname 是自定义的 conda 环境的名称，packages 是用户想在该环境中预装的包。这里可以写入 python=3.11 安装最新版本的 Python。这里我遇到如下错误：
由于我将原D盘空间全部并入了C盘，并新增了2T的固态命名为E盘，因此D盘不复存在，而 conda 仍保留了以前的配置。先检查下 conda info：
可以看到 envs directory 仍保存了过去的路径信息。这里可以通过 user config file 一栏中的路径找到用户配置文件 .condarc，对文件中的 envs_dirs 进行更正：
最后打开目标文件夹的用户完全控制权限：
现在，我们可以回到 anaconda prompt 中重新创建 conda 环境：
步骤2，安装并激活 Gurobi
我们可以前往官网：Gurobi Software - Gurobi Optimization 下载对应版本的 Gurobi Optimizor。
安装后我们需要使用 Gurobi license 激活程序，对于国内同学有两种获取方法：
- 前往Gurobi中文官网：许可申请-Gurobi 中国，按要求使用校园网邮箱与学信网认证进行申请。
- 在官网注册账号并直接申请学术许可，并在校园网环境下激活。
实际操作中，我发现激活过程仍然需要保持科学上网，否则会出现 license key 无法验证的错误。成功后显示如下：
步骤3，配置 Gurobi
我们打开Gurobi的安装目录：
这时我们需要进入对应的 Python 版本的文件夹中，拷贝出 gurobipy 文件夹。由于我安装了 Python 3.11 版本，因此我进入了 python311 文件夹拷贝出相应的 gurobipy 文件夹：
而后，我们再进入 Anaconda 的根目录中，找到刚刚创建的 conda 环境，将 gurobipy 文件夹粘贴至其中的 Lib 文件夹：
这时我们打开 vscode，创建新的 ipynb 文件，使用刚刚的 conda 环境运行一下代码：
代码成功运行则 gurobipy 配置成功，我们再从官网上下载一个模型案例，导入后进行求解验证：
模型成功求解，日志的首行信息验证了当前版本为最新版本。
来源地址：https://blog.csdn.net/weixin_45026301/article/details/131449960
