如何防止纸浆和蟒蛇不可行的错误?

时间:2016-01-03 20:35:12

标签: python cplex pulp

我有一个优化问题,我编写了一个python程序来解决它。我使用了Pulp和CPLEX求解器:

import pulp

prob = LpProblem("myProblem", LpMinimize)
x = pulp.LpVariable.dicts("p", range( K ), 0, 1, pulp.LpContinuous)
prob += pulp.lpSum( x[k] for k in range( K ) )
...
# Rest of the constraints

status = prob.solve( pulp.CPLEX( msg = 0 ) )

我收到错误:

  File "C:\Anaconda\lib\site-packages\pulp\solvers.py", line 468, in readsol
    raise PulpSolverError, "Unknown status returned by CPLEX: "+statusString
pulp.solvers.PulpSolverError: Unknown status returned by CPLEX: infeasible

我的问题是:如何测试问题是否不可行?我想阻止这个事件,如果问题不可行,那么返回0。

我试过了:

if prob.status == 'infeasible':
    ...

我试过

if pulp.LpStatusInfeasible == 'infeasible':
    ...

2 个答案:

答案 0 :(得分:3)

我认为你可以通过在try-exception子句中包含语句来解决这个问题。

例如:

# ...
try:
    status = prob.solve(pulp.CPLEX(msg = 0))
except PulpSolverError:
    # infeasible
    return 0

return status

答案 1 :(得分:3)

您的“问题”是否发现给定的问题实例是否可行,或者您是否真的对解决方案感兴趣,如果可行的话。我不会在模型不可行时捕获错误,而是会检查您的问题并尝试添加一些松弛变量和惩罚成本,以便在问题不可行时为您提供更多信息。

所以不要添加像

这样的硬约束
sum(x) <= K

你可以试试像

这样的东西
sum(x) <= K + penaltyVar 

并在您的目标中添加一个术语,如1000000 * penaltyVar,以便求解器真的不想将该惩罚变量用作非零值。

在模型的不同位置添加这些松弛/惩罚变量有助于识别约束过于紧密的位置并使模型不可行。

不要忽略上面的答案,因为捕获错误仍然很有价值。