Python Pulp 绝对约束

Question

假设我的 PuLP 定义中有一组决策变量：

vals = [-v for k, v in (DecisionVars.items())]

我想创建一个与所有约束之和的绝对值相关的约束。所以像：

for i in range(len(DecisionVars)):
   prob += lpSum(abs(vals[:i+1])) <= some_limit, "Absolute constraint"

但我似乎无法将 abs() 运算符应用于我的约束？

更新

好的，如果我利用这篇文章sum of absolute values constraint in semi definite programming 中的信息，那么我的问题可以用不同的方式表述。我现在正在尝试评估：

abs(x1) + abs(x2) + abs(x3) <= some_limit

正如上面链接中所指出的，答案可能是创建向量 x 的 1 范数（其中 x 是上述决策变量的向量）。我可以看到numpy 有numpy.linalg.norm，但我看不到这如何在 PuLP 中递归地创建我的一组约束。我正在努力使用lpSum 创建正确的语法。

Answer 1

对每个变量都正确

X1 生成两个新的非负变量Y1 和Z1 >=0

然后设置一个约束

X1 == Y1 - Z1

那么你的 abs 约束就变成了

Y1 + Z1 +.... <= 10

Answer 2

您需要为每个绝对变量设置另一个变量和两组约束。

m += xn <= tn
m += -xn <= tn

那么tn的和就是xn的绝对值之和。