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有关的约束。 所以像这样：

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

但是我似乎无法将abs()运算符应用于约束吗？

UPDATE

好的，如果我在半定性编程中利用绝对值总和约束中的信息，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

正如上面的链接所指出的，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具有numpy.linalg.norm但是我看不到它如何在PuLP中递归地创建我的约束集。 我正在努力使用lpSum创建正确的语法。

Answer 1

正确的每个变量

X1使两个新的非负变量Y1和Z1 >=0

然后设置一个约束

X1 == Y1 - Z1

然后你的腹肌约束变成

Y1 + Z1 +.... <= 10

Answer 2

您将需要有另一个变量和每个绝对变量的两组约束。

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

那么tn的和就是xn的绝对值的和。