Question

我是优化新手，并且拥有相当基本的查询。

我有一个模型，其中包含两个随时间变化的决策变量x和y。我想根据时间y在时间t上对x[t-1]添加条件约束，以便实现以下代码：

for t in model.timesteps:
        if t>1:
            if model.x[t-1] <= 1:
                model.addConstr(model.y[t] >= 100)
            elif model.x[t-1] <= 0.5:
                model.addConstr(model.y[t] >= 50)
            elif model.x[t-1] <= 0.3:
                model.addConstr(model.y[t] >= 20)

但是，上面的代码会产生错误：

文件“ tempconstr.pxi”，第44行，位于gurobipy.TempConstr。 bool gurobipy.GurobiError：约束没有bool值（您要尝试“ lb <= expr <= ub”吗？）

我已经阅读了此页面上的先前相关查询，我相信我可能需要使用一个二进制指标变量才能实现上述目的。但是，我不确定这是否可以解决上述问题。

请问有人在正确的方向给我吗？

非常感谢！

Answer 1

首先，我假设您的操作顺序不正确；您打算在0≤x [t-1]≤0.3时右侧为20，在0.3

更大的问题是您将Python编程与MIP建模混合在一起。您需要将该逻辑转换为MIP模型。有几种方法可以做到这一点。一种是使用分段线性约束来表示y [t]约束的右侧值。但是，我更喜欢对此进行显式建模。有一些类似的选择。我认为这很容易理解：添加二进制变量z [0]，z [1]和z [2]代表x [t-1]的3个范围；这给出了以下代码：

for t in model.timesteps:
  if t>1:
    z = model.addVars(3, vtype='B', name="z_%s" % str(t))
    model.addConstr(x[t-1] <= z.prod([0.3, 0.5, 1.0]))
    model.addConstr(y[t] >= z.prod([20, 50, 100]))
    model.addConstr(z.sum() == 1)

使用条件决策变量

1 个答案: