在我的优化问题中,我有一个条件,即特定组中的项目数量(LpInteger)可能不会超过项目总数的百分比。为此,我编写了以下代码:
total = lpSum([num[i].varValue for i in ind])
for d in length:
# get list of items that satisfy the conditional
items_length_d = list(compress(items,[work[i]==work_group[d] for i in items]))
# use that list to calculate the amount of items in the group (an item can occur multiple times)
amount[d] = lpSum([num[dl] for dl in items_length_d])
max_d[d] = total*perc_max[d] + 1
min_d[d] = total*perc_min[d] - 1
prob += max_d[d] >= amount[d]
prob += min_d[d] <= amount[d]
这种方法的问题是我的最大值和最小值变为浮点数(LpContinuous)。这反过来又产生了解决方案infeasible
。
如何确保每个max_d和min_d值都是整数?最好,我还想在舍入min_d时舍入max_d。
我通过将infeasible
更改为total = lpSum([num[i].varValue for i in ind])
来解决total = lpSum([num[i] for i in ind])
解决方案的问题。但是,最小值和最大值仍然是浮点数。如果有人知道如何将这些转换为整数,那么答案仍然会非常受欢迎。
答案 0 :(得分:3)
你似乎误解了构造和解决线性规划问题是如何工作的。
应该设置整个问题,然后解决并提取解决方案值。
设置问题时,您无法获取变量的LpVariable.varValue。
因此,对于小数约束,如果我们将组定义为i / in G,然后将总数定义为i / in T
我们得到的地方f是所需的分数
如果重新排列这个等式。
所以在您的代码中
prob += perc_max[d] * lpSum([num[i] for i in ind]) <= lpSum([num[dl] for dl in items_length_d])