![](/img/trans.png)
[英]Matching participant with PuLP optimization: how to set constraints for a unique solution?
[英]How to impose constraints based on previous solution in PuLP?
所以我有这个混合整数程序,其中我的指标 x 在 0 或 1 中,具体取决于项目是否被使用。 我想根据以下代码中的约束最大化包中物品的价格。
我的问题是,我想重复这个过程有限的次数,并每次使用该解决方案对下一次/轮施加进一步的约束。
每次/轮次的价格都会波动,因此需要打包不同的物品。 但是,每次运行求解器时,我只允许进行一次免费更改。 对于最后一个解决方案集的每个额外更改,每个项目都会受到-100 的惩罚。 玩具示例:如果最后一个解是 [0,0,1,1,0,0,0,0,0,0] 而新解是 [1,1,0,0,0,0,0, 0,0,0] 那么在 -100 的目标中会受到惩罚,因为它们比上一轮有 2 次变化。 如果它更改为 [0,1,0,1,0,0,0,0,0,0] 则不会受到惩罚。
如何在目标中施加此惩罚并施加 1 个自由更改约束?
初始程序如下:
items = [i for i in range(len(df))]
price = df['price'].to_dict()
volume = df['volume'].to_dict()
weight = df['weight'].to_dict()
prob = LpProblem('mip',LpMaximize)
x = LpVariable.dicts("items", items, 0, 1, LpBinary)
#objective
prob += lpSum([(price[i]*x[i]) for i in items])
#constraints
prob += lpSum([x[i] for i in items]) = 10
prob += lpSum([weight[i] * x[i] for i in items]) <= 1000
prob += lpSum([volume[i] * x[i] for i in items]) <= 5000
prob.solve()
#to get the solution in a list for reuse
current_solution = [x[i].varValue for i in items]
我想过在 var[i] 中使用价格 = -100 的虚拟项目,但无法让它工作。 有什么帮助吗? 非常感谢。
不是超级容易。
我会尝试类似的东西:
(1) 引入二元变量d[i] ∈ {0,1}
和约束条件:
-d[i] <= x[i] - x0[i] <= d[i]
其中x0
是以前的解决方案。 (这必须在 PuLP 中实现为两个不同的约束。此外,我们实际上可以将d
放宽为在 0 和 1 之间连续:它将自动为二进制。)
(2) 添加变量n
和约束:
n = sum(i, d[i])
(3) 添加一个正变量n1 >= 0
和约束
n1 >= n - 1
(4) 为目标添加一项
-100*n1
(我们想最小化100*n1
所以我添加了减号,因为你的 obj 正在最大化)。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.