Question

可重现的示例：

我在0/1-Knapsack中使用lpSolveAPI描述了一个简单的R问题，该问题应返回2个解决方案：

library(lpSolveAPI)

lp_model= make.lp(0, 3)
set.objfn(lp_model, c(100, 100, 200))
add.constraint(lp_model, c(100,100,200), "<=", 350)
lp.control(lp_model, sense= "max")
set.type(lp_model, 1:3, "binary")

lp_model
solve(lp_model)
get.variables(lp_model)
get.objective(lp_model)
get.constr.value((lp_model))
get.total.iter(lp_model)
get.solutioncount(lp_model)

问题：

但是get.solutioncount(lp_model)表明找到了1解决方案：

> lp_model
Model name: 
           C1   C2   C3         
Maximize  100  100  200         
R1        100  100  200  <=  350
Kind      Std  Std  Std         
Type      Int  Int  Int         
Upper       1    1    1         
Lower       0    0    0         
> solve(lp_model)
[1] 0
> get.variables(lp_model)
[1] 1 0 1
> get.objective(lp_model)
[1] 300
> get.constr.value((lp_model))
[1] 350
> get.total.iter(lp_model)
[1] 6
> get.solutioncount(lp_model)
[1] 1

我希望有两种解决方案：1 0 1和0 1 1。

我尝试将num.bin.solns的{{1}}参数与solve(lp_model, num.bin.solns=2)一起传递，但解决方案的数量仍为1。

问题：

我如何获得两个正确的解决方案？我更喜欢使用lpSolve，因为API非常好。如果可能，我希望避免直接使用lpSolveAPI。

Answer 1

看起来好像坏了。这是针对您特定型号的DIY方法：

META-INF/MANIFEST.MF

想法是通过添加约束来切断当前的整数解决方案。然后解决。当不再优化或目标开始恶化时停止。 Here是一些数学背景。

你现在应该看到：

# first problem
rc<-solve(lp_model)
sols<-list()
obj0<-get.objective(lp_model)
# find more solutions
while(TRUE) {
   sol <- round(get.variables(lp_model))
   sols <- c(sols,list(sol))
   add.constraint(lp_model,2*sol-1,"<=", sum(sol)-1)
   rc<-solve(lp_model)
   if (rc!=0) break;
   if (get.objective(lp_model)<obj0-1e-6) break;
}
sols

<强>更新

在评论中，有人问为什么切割系数的形式为 2 * sol-1 。再看看the derivation。这是一个反例：

> sols
[[1]]
[1] 1 0 1

[[2]]
[1] 0 1 1

＆＃34; my＆＃34;削减这将产生：

           C1   C2        
Maximize    0   10        
R1          1    1  <=  10
Kind      Std  Std        
Type      Int  Int        
Upper       1    1        
Lower       0    0

使用建议的＆＃34;错误＆＃34;削减只会：

> sols
[[1]]
[1] 0 1

[[2]]
[1] 1 1

使用lpSolveAPI获得0/1-Knapsack MILP的多种解决方案

1 个答案: