Python 或工具-通过CP-SAT最小化进行分类

我使用谷歌或工具（CP-SAT解算器）来解决约束问题

我需要对人员进行分类，因此，我创建了以下模型：

model = cp_model.CpModel()        
matches = {}

for p in people:
    for c in categories:
        # matches[(p, c)] == True if p must be in c
        matches[(p, c)] = model.NewBoolVar("%s-->%02d" % (p,c))

其中一个制约因素是，年龄相近的人必须在同一个群体中。因此，对于所有类别，我将一个人的年龄与类别中的平均年龄的绝对差异最小化。为此，我编写了以下最小化约束：

abs_diffs = []

for c in categories:
    ages_in_category = [int(ages[p])*matches[(p, c)] for p in people]
    for a in ages_in_category:
        n = len(ages_in_category)
        diff = model.NewIntVar(-50*n, 50*n, name="")
        model.Add(diff == n*a - sum(ages_in_category))
        abs_diff = model.NewIntVar(0, 100*n, name="")
        model.AddAbsEquality(abs_diff, diff)
        abs_diffs.append(abs_diff)
model.Minimize(sum(abs_diffs))

我唯一的另一个限制是，一个人必须被分配一个类别，它已经过测试并工作

---

然而，在sat解算器找到解决方案后，类别中的人完全是随机设置的，而不是基于他们的年龄

我为什么做错了？

为什么解算器不考虑此最小化约束？

---

编辑：我注意到要最小化的总和在[0,1 000]范围内变化。这不是解决者的问题吗