PuLP优化中的突破

Question

故事

我正在尝试使用PuLP（python）最小化来编写棒球消除问题。基本问题如下：

基本上x_ij是团队i未来胜过团队j，g_ij是团队i和{{1}之间留下的整体游戏}，j是我们感兴趣的团队，k是团队迄今为止所拥有的分数。变量p_j只是辅助，z_j当团队1领先于j（总胜场）而k领先。{/ p>

问题

根据PuLP和解决优化问题，我没有问题。但是，我想添加一些打破平局的规则，以调整约束，这样，如果，例如，0，它比较，让我们说，t_j == t_k与x_jk来决定是否合作x_kj提前j。

问题

所以基本上我需要一个只在特定情况下开始的条件。有没有办法在PuLP中轻松完成这项工作？也许通过引入一些其他变量？如果没有，你会建议用什么模块/方法来解决这种打破平局的事情？

Answer 1

由于你有许多相互竞争的打破平局规则，你可能需要一个更复杂的目标函数，根据抢七规则奖励或惩罚某些团队。您需要使用目标函数以某种方式“定价”条件。虚拟变量和Big M约束可能对“if / then”条件有用