如何在 CPLEX Python MP 中实现类似 x[0,0] == 0 OR x[0,0] >= 2 的约束？
似乎是 semiinteger 的工作，但 semiinteger_var_matrix() 在我在 Watson Studio DO 环境中使用的 CPLEX Python 版本中不可用。我可以使用可用的 semiinteger_var_list() 但想通过逻辑或约束来自学。我试过 x[0,0] != 1 但 MP 不处理 NE。所以我想我可以按照上面显示的逻辑 OR 约束来做到这一点。查看了文档和 docplex.mp.model 的来源，但无法弄清楚如何做到这一点。我正处于学习 CPLEX Python 的早期阶段。
【问题讨论】：
让我举个巴士故事的小例子：
from docplex.mp.model import Model
mdl = Model(name='buses')
nbbus40 = mdl.integer_var(name='nbBus40')
nbbus30 = mdl.integer_var(name='nbBus30')
mdl.add_constraint(nbbus40*40 + nbbus30*30 >= 300, 'kids')
mdl.minimize(nbbus40*500 + nbbus30*400)
mdl.solve()
for v in mdl.iter_integer_vars():
print(v," = ",v.solution_value)
print()
print("with nb buses 40 less than 3 or more than 7")
mdl.add((nbbus40<=3) + (nbbus40>=7) >=1)
mdl.minimize(nbbus40*500 + nbbus30*400)
mdl.solve()
for v in mdl.iter_integer_vars():
print(v," = ",v.solution_value)
给了
nbBus40 = 6.0
nbBus30 = 2.0
with nb buses 40 less than 3 or more than 7
nbBus40 = 7.0
nbBus30 = 1.0
注意：你也可以写
from docplex.mp.model import Model
mdl = Model(name='buses')
nbbus40 = mdl.integer_var(name='nbBus40')
nbbus30 = mdl.integer_var(name='nbBus30')
mdl.add_constraint(nbbus40*40 + nbbus30*30 >= 300, 'kids')
mdl.minimize(nbbus40*500 + nbbus30*400)
mdl.solve()
for v in mdl.iter_integer_vars():
print(v," = ",v.solution_value)
print()
print("with nb buses 40 less than 3 or more than 7")
option1=mdl.binary_var(name='option1')
option2=mdl.binary_var(name='option2')
mdl.add(option1==(nbbus40<=3))
mdl.add(option2==(nbbus40>=7))
mdl.add(1==mdl.logical_or(option1,option2))
mdl.minimize(nbbus40*500 + nbbus30*400)
mdl.solve()
for v in mdl.iter_integer_vars():
print(v," = ",v.solution_value)
https://www.linkedin.com/pulse/making-optimization-simple-python-alex-fleischer/ 上的许多其他小型 docplex Python 示例
【讨论】：
没错，semiinteger_matrix 不存在。但是semiinteger_dict 可以。所以你可以做类似的事情
x = model.semiinteger_var_dict((i, j) for i in range(I) for j in range(J))
之后您可以将变量引用为x[0,0] 等。
【讨论】：
经典公式，假设还有一个上限 u 看起来像：
introduce fresh binary variable b
post
x <= u * b
x >= l * b
在你的情况下l=2。
u 的值取决于问题，重要的是使其尽可能小以更好地放松。 （关于该主题的介绍性blog-post）
【讨论】：