我對(duì) CPLEX 很陌生。我有這兩個(gè)約束（R 是 20 范圍內(nèi)的數(shù)字集）： model.add_constraints((model.sum(x[i, j] for j in R2 ) == 2 for i in R),"C1" )
model.add_constraints((x[i, n1-4] ==x[i, n1-2] for i in R ),"C2" )我需要計(jì)算有多少i同時(shí)滿足 C1 和 C2，然后定義一個(gè)新約束，表示“至少有 10 個(gè) i 同時(shí)滿足 C1 和 C2”。我怎樣才能用 cplex 做到這一點(diǎn)？
3 回答
郎朗坤
TA貢獻(xiàn)1921條經(jīng)驗(yàn) 獲得超9個(gè)贊
在 Docplex 中，每個(gè)線性約束都可以用作一個(gè)表達(dá)式，其作用類似于布爾變量，如果滿足約束則等于 1，如果不滿足則等于 0。
請(qǐng)注意，當(dāng)添加到模型時(shí)（通過 Mode.add、Model.add_constraint(s)），約束將始終得到滿足。但是，您可以寫：
m.add( (x<=3) + (y>=5) >= 1)
這意味著至少滿足一個(gè)（可能是兩個(gè)）約束 (x<=3) 和 (y>=5)。
在您的情況下，假設(shè)有一個(gè)包含 N 個(gè)約束 cts[i] 的數(shù)組，則編寫：
m.add( m.sum(cts) >= 10)
您還可以在目標(biāo)中使用這樣的表達(dá)式：
m.maximize(m.sum(cts))
將最大化滿足約束的數(shù)量
將確保其中至少 10 人滿意
注意：始終使用Model.sum，而不是 Pythonsum以避免性能問題。
互換的青春
TA貢獻(xiàn)1797條經(jīng)驗(yàn) 獲得超6個(gè)贊
讓我舉一個(gè)動(dòng)物園里的例子
from docplex.mp.model import Model
# Data
Buses=[
? ? (40,500),
? ? (30,400),
? ? (35,450),
? ? (20,300)
? ? ]
nbKids=300
# Indexes
busSize=0;
busCost=1;
for b in Buses:
? ? print("buses with ",b[busSize]," seats cost ",b[busCost])
mdl = Model(name='buses')
#decision variables
mdl.nbBus=mdl.integer_var_dict(Buses,name="nbBus")
# Constraint
mdl.add_constraint(sum(mdl.nbBus[b]*b[busSize] for b in Buses) >= nbKids, 'kids')
# Objective
mdl.minimize(sum(mdl.nbBus[b]*b[busCost] for b in Buses))
mdl.solve()
# Display solution
for b in Buses:
? ? print(mdl.nbBus[b].solution_value," buses with ",b[busSize]," seats");
#Add a constraint
# Number of sizes where we have 1 or 2 buses should be at least 3
mdl.add(mdl.sum(mdl.logical_and(1<=mdl.nbBus[b],mdl.nbBus[b]<=2) for b in Buses) >=3)
mdl.solve()
# Display solution
for b in Buses:
? ? print(mdl.nbBus[b].solution_value," buses with ",b[busSize]," seats");
這使
buses with? 40? seats cost? 500
buses with? 30? seats cost? 400
buses with? 35? seats cost? 450
buses with? 20? seats cost? 300
5.0? buses with? 40? seats
1.0? buses with? 30? seats
2.0? buses with? 35? seats
0? buses with? 20? seats
4.0? buses with? 40? seats
1.0? buses with? 30? seats
2.0? buses with? 35? seats
2.0? buses with? 20? seats
慕虎7371278
TA貢獻(xiàn)1802條經(jīng)驗(yàn) 獲得超4個(gè)贊
在以下代碼中，我創(chuàng)建了兩個(gè)包含 100 個(gè)整數(shù)變量的列表 xi 和 xj。
然后，我定義一個(gè)邏輯和約束列表ctands，當(dāng) xi[k]>=3 且 yi[k]>=5 時(shí)為 true。
然后我發(fā)布這些邏輯約束的總和恰好等于 10，這意味著必須滿足其中的 10 個(gè)，因?yàn)槿魏渭s束都可以用作二進(jìn)制變量，滿足時(shí)等于 1。
目標(biāo)是最小化 xi 和 xj 的總和，因此結(jié)果如預(yù)期為 10 * 3 + 10*5 = 80
m = Model()
xi = m.integer_var_list(100, ub=10, name='xi')
xj = m.integer_var_list(100, ub=11, name='xj')
ctands = [((xi[k]>=3) + (xj[k]>=5)==2) for k in range(100)]
# version with logical_and
# ctands = [mdl.logical_and((xi[k]>=3), (xj[k]>=5)==2)) for k in range(100)]
#state that exactly 10 ands are true: the value of an and is 1 when true, 0 when false
m.add(m.sum(ctands) == 10)
# this minimize pulls xs and ys variables to 0
m.minimize(m.sum(xi) + m.sum(xj))
m.solve()
m.print_solution()
添加回答
舉報(bào)
0/150
提交
取消