Question

我熟悉如何使用ompr :: MIPModel，但正在尝试学习如何使用MILPModel来利用模型构建速度。我的模型的简化版本如下。我有两个决策变量，x和y，二进制且长度相等。我对所有x个决策变量的总和和所有y个决策变量的总和有约束。到目前为止，使用MILPModel效果很好，我可以构建模型并快速求解。

问题是当我尝试使用下一个约束时。此约束的LHS将x个二进制决策变量乘以长度相同的数据帧中的数字列，然后将其乘以行等于x长度的矩阵。 RHS中类似的故事，带有y变量。然后，我重复此约束20次以表示矩阵的所有列。

我多次使用类似于MIPModel的约束，但是现在当我尝试这种约束时，会收到错误消息non-numeric argument to binary operator。我认为这与colwise函数有关，但是即使在ompr github站点上阅读后，我也不熟悉如何实现此功能。预先感谢您的帮助。

add_variable(x[i], i=1:10, type='binary') %>%
add_variable(y[i], i=1:10, type='binary') %>%
add_constraint(sum_expr(x[i],i=1:10) <= 5) %>%
add_constraint(sum_expr(y[i],i=1:10) <= 3) %>%

#model builds and solves until this point...
add_constraint( 
sum_expr( x[i]* df$numeric_column[i] * matrix_a[i,j],i=1:10) <= 
sum_expr(  2* y[i]* df$numeric_column[i] * df$other_numeric_column[i] * matrix_a[i,j],i=1:10), 
j=1:20)

Answer 1

弄清楚了。要在约束中使用矩阵代数，需要一点杂技。祝您好运，如果需要，可以弄清楚如何在目标函数中使用矩阵代数。

下面是将MIPModel与MILPModel进行比较的示例。

library(tidyverse)
library(magrittr)
library(ompr)
library(ompr.roi)
library(ROI.plugin.glpk)

rm(list=ls())

numvec1 <- runif(10)
numvec2 <- runif(10)
matrix_a <- matrix(nrow=10,ncol=20,data=runif(10*20))

my_mip_model <- MIPModel() %>%
  
  add_variable(x[i], i=1:10, type='binary') %>%
  add_variable(y[i], i=1:10, type='binary') %>%
  add_constraint(sum_expr(numvec1[i]*x[i],i=1:10) <= 5) %>%
  add_constraint(sum_expr(2*y[i],i=1:10) <= 3) %>%
  
  add_constraint( 
    sum_expr( x[i]* numvec1[i] * matrix_a[i,j],i=1:10) <= 
      sum_expr(  2* y[i]* numvec1[i] * numvec2[i] * matrix_a[i,j],i=1:10), 
    j=1:20) %>%
  set_objective( sum_expr(3*x[i]*numvec1[i],i=1:10),sense='max')

my_mip_model_solve <- my_mip_model %>% solve_model(with_ROI(solver='glpk'))



#functionally equivalent using MILPmodel----

my_milp_model <- MILPModel() %>%
  
  add_variable(x[i], i=1:10, type='binary') %>%
  add_variable(y[i], i=1:10, type='binary') %>%
  add_constraint(sum_expr( colwise(numvec1[i]) * x[i],i=1:10) <= 5) %>%
  add_constraint(sum_expr( colwise(2) * y[i],i=1:10) <= 3)  %>%
  set_objective(sum_expr( colwise(3*numvec1[i]) * x[i],i=1:10),sense='max')

#now to add the matrix constraints, add a loop on the matrix column index j.
#with MIPModel we could just iterate on j in a single constraint, but here it appears
#we need to add the same constraint multiple times, and use the value of j to
#calculate the indices in as.numeric(matrix_a) that we want to use.
for(j in 1:ncol(matrix_a)){
  
  my_milp_model %<>% add_constraint(
    
    sum_expr( x[i]* colwise(numvec1[i] *
      as.numeric(matrix_a)[(i + (nrow(matrix_a)*j -nrow(matrix_a)))]),i=1:10) <= 
        sum_expr(  y[i]* colwise(2* numvec1[i] * numvec2[i] * 
    as.numeric(matrix_a)[(i + (nrow(matrix_a)*j -nrow(matrix_a)))]) ,i=1:10) ) 
    
}

my_milp_model_solve <- my_milp_model %>% solve_model(with_ROI(solver='glpk'))

#objective value and results should be equal...
my_mip_model_solve
my_milp_model_solve

ompr MILPModel：二进制运算符的非数字参数

1 个答案: