如何使用OpenOpt解决3D多箱包装问题

时间:2013-10-09 12:31:35

标签: python mathematical-optimization bin-packing

我正在学习优化,我是OpenOpt的新手。

我想表示每个都有3个资源使用指标(CPU,内存和网络)的进程,我想根据以下限制将N个进程分配给组/ bin:

sum(cpu) within a group < 100
sum(mem) within a group < 100
sum(net) within a group < 100
Minimize(number of groups) or maximize the sum of each resource within a group.

理想情况下,我希望有这种类型的输出:

VM 1 assigned to group 1
VM 2 assigned to group 1
VM 3 assigned to group 1
VM 4 assigned to group 2
VM 5 assigned to group 2
VM 6 assigned to group 3
... and so on
问:我怎么能这样做?如果无法使用OpenOpt执行此操作,是否还有其他可以帮助我解决此问题的库?

这是我的初始代码: https://github.com/vonpupp/mdbp/blob/master/ksp_2.py

非常感谢!

1 个答案:

答案 0 :(得分:0)

这个想法是为每个项目分配权重(在这种情况下,所有项目都相同),并最大化受约束限制的项目数量。

这是项目的创建方式:

def gen_vms():
    tg = tracegen.TraceGenerator()
    trace = tg.gen_trace()
    items = [{
                  'name': 'item %d' % i,
                  'weight': 1,
                  'cpu': t[0],
                  'mem': t[1],
                  'disk': t[2],
                  'net': t[3],
                  'n': 1
             } for i,t in islice(enumerate(trace), 200)]
    return items

这就是约束的创建方式:

def add_constraint(values, constraint):
    return values[constraint] < 99

def add_constraints(values, constraint_list):
    return [add_constraint(values, constraint) for constraint in constraint_list]

def gen_costraints(constraint_list):
    global constraints
    constraints = lambda values: (add_constraints(values, constraint_list))

解决过程是这样的:

def solve_host():
    global items
    global constraints
    p = KSP('weight', list(items), constraints = constraints)
    result = p.solve('glpk', iprint = -1)

有关如何执行此操作的详细信息,请访问:https://github.com/vonpupp/2013-sbrc-experiments/blob/e2e8a2be320c8f77d67a5bc6bb822510564e80f3/myksp_oo.py