Optimization 如何利用线性规划求解逻辑约束
我希望使用线性规划来解决逻辑中描述的以下问题。在下面的示例中,Optimization 如何利用线性规划求解逻辑约束,optimization,linear-programming,lpsolve,gurobi,Optimization,Linear Programming,Lpsolve,Gurobi,我希望使用线性规划来解决逻辑中描述的以下问题。在下面的示例中,n1、n2、n3、b1、b2、b3是布尔变量 目标是最小化c1 以下是限制条件: 约束1:((n1==n2或n3)和&c1==2和b1)| |((n1==n2或n3)和&c1==1和b2)| |((n1==n2和n3)1和&c1==3和b3) 约束2:n1&&n2==非n3 约束3:只有b1、b2、b3中的一个为真 我可以知道有没有可能将这些逻辑约束编码为线性规划工具(如Gurobi或lpsolve)所需的整数约束?或者是否有任何工具
n1、n2、n3、b1、b2、b3
是布尔变量
目标是最小化c1
以下是限制条件:
约束1:((n1==n2或n3)和&c1==2和b1)| |((n1==n2或n3)和&c1==1和b2)| |((n1==n2和n3)1和&c1==3和b3)
约束2:n1&&n2==非n3
约束3:只有b1、b2、b3中的一个为真
我可以知道有没有可能将这些逻辑约束编码为线性规划工具(如Gurobi或lpsolve)所需的整数约束?或者是否有任何工具可以利用布尔约束
谢谢。混合整数规划(不是线性规划)是可能的,但很麻烦。让我们从简单的开始: 约束2:
n1 + n2 = 1 - n3
b1 + b2 + b3 = 1 (if at most one of them is true then change = to <=)
约束3:
n1 + n2 = 1 - n3
b1 + b2 + b3 = 1 (if at most one of them is true then change = to <=)
y2:=y1-xor-n3-->(y2&&c1==2&&b1)|(y1或n3)&&c1==1&&b2)|(y1和n3)1&&c1==3&&b3)
y6:=y2&&y5&&b1-->y6 | |((y1或n3)和&c1==1&&b2)|((y1和n3)1和&c1==3和b3)
y10:=c1==1-->y6||(y7&&y10&&b2)|(y1和n3)1&&c1==3&&b3)
假设
1&&
是一个打字错误,实际上是&
y12:=(y1和n3)-->y6 | | y11 | |(y12和&c1==3和&b3)
y16:=y12&&y15&&b3-->y6||y11|y16
y16 <= y12
y16 <= y15
y16 <= b3
y16 >= y12 + y15 + b3 - 2
y6 + y11 + y16 >= 1
我希望这有帮助。为了方便起见,我在下面提供了完整的数学模型
数学模型
min c1
s.t. n1 + n2 = 1 - n3
b1 + b2 + b3 = 1
y1 >= 1 - (n1 + n2)
y1 >= (n1 + n2) - 1
y1 <= 2 - 2n1 + n2
y1 <= 2 - 2n2 + n1
y2 <= y1 + x3
y2 >= y1 - x3
y2 >= x3 - y1
y2 <= 2 - y1 - x3
z3 >= c1 - 2 + epsilon*y3; z3 >= 0
z4 >= 2 - c1 + epsilon*y4; z4 >= 0
z3 <= My3
z4 <= My4
y3 + y4 + y5 = 1
y6 <= y2
y6 <= y5
y6 <= b1
y6 >= y2 + y5 + b1 - 2
y7 >= y1
y7 >= n3
y7 <= y1 + n3
z8 >= c1 - 1 + epsilon*y8; z8 >= 0
z9 >= 1 - c1 + epsilon*y9; z9 >= 0
z8 <= My8
z9 <= My9
y8 + y9 + y10 = 1
y11 <= y7
y11 <= y10
y11 <= b2
y11 >= y7 + y10 + b2 - 2
y12 <= y1
y12 <= n3
y12 >= y1 + n3 - 1
z13 >= c1 - 3 + epsilon*y13; z13 >= 0
z14 >= 3 - c1 + epsilon*y14; z14 >= 0
z13 <= My13
z14 <= My14
y13 + y14 + y15 = 1
y16 >= y12
y16 >= y15
y16 >= b3
y16 >= y12 + y15 + b3 - 2
y6 + y11 + y16 >= 1
y1, ..., y16, b1, b2, b3, n1, n2, n3 binary
z3, z4, z8, z9, z13, z14 >= 0
这是有意义的:
c1==1
或c2==2
或c3==3
,第3条为真,且案例c1=1
为最小可能。插入其他变量的值,我们可以看到所有三个约束都得到了满足。混合整数规划(不是线性规划)是可能的,但很混乱。让我们从简单的开始:
约束2:
n1 + n2 = 1 - n3
b1 + b2 + b3 = 1 (if at most one of them is true then change = to <=)
约束3:
n1 + n2 = 1 - n3
b1 + b2 + b3 = 1 (if at most one of them is true then change = to <=)
y2:=y1-xor-n3-->(y2&&c1==2&&b1)|(y1或n3)&&c1==1&&b2)|(y1和n3)1&&c1==3&&b3)
y6:=y2&&y5&&b1-->y6 | |((y1或n3)和&c1==1&&b2)|((y1和n3)1和&c1==3和b3)
y10:=c1==1-->y6||(y7&&y10&&b2)|(y1和n3)1&&c1==3&&b3)
假设
1&&
是一个打字错误,实际上是&
y12:=(y1和n3)-->y6 | | y11 | |(y12和&c1==3和&b3)
y16:=y12&&y15&&b3-->y6||y11|y16
y16 <= y12
y16 <= y15
y16 <= b3
y16 >= y12 + y15 + b3 - 2
y6 + y11 + y16 >= 1
我希望这有帮助。为了方便起见,我在下面提供了完整的数学模型
数学模型
min c1
s.t. n1 + n2 = 1 - n3
b1 + b2 + b3 = 1
y1 >= 1 - (n1 + n2)
y1 >= (n1 + n2) - 1
y1 <= 2 - 2n1 + n2
y1 <= 2 - 2n2 + n1
y2 <= y1 + x3
y2 >= y1 - x3
y2 >= x3 - y1
y2 <= 2 - y1 - x3
z3 >= c1 - 2 + epsilon*y3; z3 >= 0
z4 >= 2 - c1 + epsilon*y4; z4 >= 0
z3 <= My3
z4 <= My4
y3 + y4 + y5 = 1
y6 <= y2
y6 <= y5
y6 <= b1
y6 >= y2 + y5 + b1 - 2
y7 >= y1
y7 >= n3
y7 <= y1 + n3
z8 >= c1 - 1 + epsilon*y8; z8 >= 0
z9 >= 1 - c1 + epsilon*y9; z9 >= 0
z8 <= My8
z9 <= My9
y8 + y9 + y10 = 1
y11 <= y7
y11 <= y10
y11 <= b2
y11 >= y7 + y10 + b2 - 2
y12 <= y1
y12 <= n3
y12 >= y1 + n3 - 1
z13 >= c1 - 3 + epsilon*y13; z13 >= 0
z14 >= 3 - c1 + epsilon*y14; z14 >= 0
z13 <= My13
z14 <= My14
y13 + y14 + y15 = 1
y16 >= y12
y16 >= y15
y16 >= b3
y16 >= y12 + y15 + b3 - 2
y6 + y11 + y16 >= 1
y1, ..., y16, b1, b2, b3, n1, n2, n3 binary
z3, z4, z8, z9, z13, z14 >= 0
这是有意义的:
c1==1
或c2==2
或c3==3
,第3条为真,且案例c1=1
为最小可能。插入其他变量的值,我们可以看到所有三个约束都得到了满足。我认为您可以通过在约束编程系统(如or)中表达来解决它。查看它们-有许多示例可以帮助您入门。我认为您可以通过在约束编程系统(如or)中表达来解决它。查看它们-有许多示例可以帮助您开始。您的问题似乎结构非常有限,因此解决方案应该更简单。显然c1必须是1、2或3
约束2意味着可以从n1和n2计算n3:n3=非(n1和n2),所以您只需尝试n1和n2的四种组合,计算每种组合的n3,并检查这些条件。不需要线性规划或整数规划。您的问题似乎结构非常有限,因此解决方案应该简单得多。显然c1必须是1、2或3
n1 = 1
n2 = 1
n3 = 1
b1 = 0
b2 = 1
b3 = 0