安装和导入
安装cplex：可以通过pip安装cplex库，命令为`pip install cplex`。
导入cplex：在Python代码中，需要导入cplex库，例如`import cplex`。
创建和初始化优化模型
初始化模型：使用`cplex.Cplex（）`创建一个优化模型实例。
设置目标函数：通过`prob.objective.set_sense（prob.objective.sense.minimize）`设置目标函数的方向为最小值。
添加变量及约束条件
添加连续变量：使用`prob.continuous_var（name='variable_name'）`添加连续变量。
添加整数变量：使用`prob.integer_var（name='variable_name', lb=0, ub=10）`添加整数变量，其中`lb`是下界，`ub`是上界。
添加约束条件：使用`prob.add_constraint（expression <= 0）`添加不等式约束，使用`prob.add_constraint（expression == 0）`添加等式约束。
求解模型
求解模型：调用`prob.solve（）`方法求解模型，并获取最优解。
输出结果
输出最优解：通过`solution.get_value（variable_name）`获取变量的最优值。
示例代码
```python
import cplex
创建并初始化优化模型
prob = cplex.Cplex（）
设置目标方程的取值方向为最小值
prob.objective.set_sense（prob.objective.sense.minimize）
添加变量
x = prob.continuous_var（name='x'）
y = prob.continuous_var（name='y'）
添加约束条件
prob.add_constraint（2*x + y <= 100）
prob.add_constraint（x + 3*y <= 120）
设置目标函数
prob.objective.set_linear（[3*x + 4*y]）
求解模型
solution = prob.solve（）
输出最优解
print（f"最优解： x={solution.get_value（x）}, y={solution.get_value（y）}"）
```
注意事项
确保已经注册IBM账号并申请免费的学术版许可证才能使用cplex。
对于整数规划问题，由于需要遍历所有可能的整数解，运行时间可能会较长。
通过以上步骤和示例代码，你应该能够开始使用cplex软件来解决优化问题了。