Indexing 如何对索引变量进行聚类而不在GLPK中为其创建参数?

Indexing 如何对索引变量进行聚类而不在GLPK中为其创建参数?,indexing,cluster-computing,glpk,mathprog,Indexing,Cluster Computing,Glpk,Mathprog,我在MLP上有以下问题 例如,当变量具有相同的值时,我想对它们进行集群 a[i]=a[i(1..i]],这意味着检查相同的变量。 这将是初始的if条件 例:a[2]=3;a[4]=3->这两个变量的条件将为真 稍后,如果该条件为真,我想添加以下内容: D[i]=D[i]+D[1..i],对于那些在前面条件下为真的i 例:D[2]=D[2]+D[4] 问题是,由于覆盖了新的D[2]值,GLPK不再解决最优模型,这让我想知道,是否可以在不创建新变量的情况下对索引变量进行聚类,如果不是,那么解决方案是

我在MLP上有以下问题

例如,当变量具有相同的值时,我想对它们进行集群 a[i]=a[i(1..i]],这意味着检查相同的变量。 这将是初始的if条件

例:a[2]=3;a[4]=3->这两个变量的条件将为真

稍后,如果该条件为真,我想添加以下内容:

D[i]=D[i]+D[1..i],对于那些在前面条件下为真的i

例:D[2]=D[2]+D[4]

问题是,由于覆盖了新的D[2]值,GLPK不再解决最优模型,这让我想知道,是否可以在不创建新变量的情况下对索引变量进行聚类,如果不是,那么解决方案是什么

非常感谢你的帮助