多周期多场景的供应链优化问题 python 代码

这段代码是一个使用 Gurobi 优化器的混合整数规划（MIP）模型，用于解决一个多周期多场景的供应链优化问题。代码定义了一个名为 `MCCG` 的类，该类包含了多个方法，用于构建和解决主问题（Master Problem）、子问题（Subproblem）和子子问题（Sub-subproblem）。下面是对代码中每个部分的解释：

1. **导入库和设置**：
   - 导入了 `gurobipy` 库，这是一个用于调用 Gurobi 优化器的 Python 接口。
   - 导入了 `numpy` 用于数学运算，`random` 用于生成随机数，`time` 用于计时，`matplotlib.pyplot` 用于绘图，以及 `FontProperties` 用于设置图表中的字体。

2. **类 `MCCG` 的初始化**：
   - 初始化了一系列的参数，包括供应商数量、零部件种类数、周期数量、成品种类数、中断场景数量等。
   - 定义了成本矩阵、供应能力、需求数据等。

3. **方法 `mp`**：
   - 构建并解决主问题（Master Problem），目标是最小化选择供应商和零部