Question

我正在尝试使用纸浆解算器在卡车中打包物品，当物品数量少（即<25）时，它可以很好地工作，但是当我将数量增加到30-32时，它永远需要解决。

这是纸浆求解器的代码：

def allocator(item_mass, item_vol, truck_mass, truck_vol, truck_cost, id_series):
    n_items = len(item_vol)
    set_items = range(n_items)
    n_trucks = len(truck_cost)
    set_trucks = range(n_trucks)


    y = pulp.LpVariable.dicts('truckUsed', set_trucks,
        lowBound=0, upBound=1, cat=LpInteger)

    x = pulp.LpVariable.dicts('itemInTruck', (set_items, set_trucks), 
        lowBound=0, upBound=1, cat=LpInteger)

    # Model formulation
    prob = LpProblem("Truck allocation problem", LpMinimize)

    # Objective
    prob += lpSum([truck_cost[i] * y[i] for i in set_trucks])
    # Constraints
    for j in set_items:
        # Every item must be taken in one truck
        prob += lpSum([x[j][i] for i in set_trucks]) == 1

    for i in set_trucks:
        # Respect the mass constraint of trucks
        prob += lpSum([item_mass[j] * x[j][i] for j in set_items]) <= truck_mass[i]*y[i]

        # Respect the volume constraint of trucks
        prob += lpSum([item_vol[j] * x[j][i] for j in set_items]) <= truck_vol[i]*y[i]
    # Ensure y variables have to be set to make use of x variables:
    for j in set_items:
        for i in set_trucks:
            x[j][i] <= y[i]

    s = id_series  # id_series

    prob.solve()

我在做错什么吗？

这是jupyter笔记本和测试文件的link。

Answer 1

默认情况下，您使用的是开源MIP求解器CBC。
2种可能的方法：

使用更好的求解器，例如CPLEX或GUROBI（商业软件，但对学生和学者免费）。 PuLP都有针对它们的API。
您需要最佳解决方案吗？如果不是这种情况，请设置时间限制。

示例：

prob.solve(pulp.COIN(maxSeconds=your_time_limit))

Answer 2

我怀疑您的问题过于对称。即，有多辆卡车完全一样。

当这种情况发生时，CBC可以花时间寻找“最佳”解决方案。

您在这里有2个选择：

设置时间限制或界限，这将尽早退出求解过程，但仍返回“良好”解决方案。
设置次要成本函数以使事物不那么对称，即，希望将编号最小的项目分配给编号最小的卡车。这种对称性会在古罗比等商业求解器中自动发生。

纸浆需要太多时间解决

2 个答案: