Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/python/277.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Python 混合整数线性规划中的If-Then-ElseIf-Then_Python_Constraints_Linear Programming_Pulp - Fatal编程技术网

Python 混合整数线性规划中的If-Then-ElseIf-Then

Python 混合整数线性规划中的If-Then-ElseIf-Then,python,constraints,linear-programming,pulp,Python,Constraints,Linear Programming,Pulp,我在试图框定如果,然后,如果。。。蟒蛇果肉中的条件 我已经研究了MIP中的If-Then和If-Then-Else。 然而,我试图理解如何将选择进一步传播到下一组约束,以及如何处理两个以上的决策分支 解释,考虑下面的条件约束: x和y是我的决策变量。 基本上是这样的: if x=0: C2>0 elif x=1: C10>0 elif x=2: C3>0 if x=0 and y=0: C4>0; C8>0; C10>0 el

我在试图框定如果,然后,如果。。。蟒蛇果肉中的条件

我已经研究了MIP中的
If-Then
If-Then-Else
。 然而,我试图理解如何将选择进一步传播到下一组约束,以及如何处理两个以上的决策分支

解释,考虑下面的条件约束:

x和y是我的决策变量。 基本上是这样的:

if x=0: C2>0 
elif x=1: C10>0
elif x=2: C3>0

if x=0 and y=0: 
    C4>0; 
    C8>0; 
    C10>0
elif x=0 and y=1: 
    C5>0; 
    C8>0; 
    C10>0
elif x=2 and y=0: 
    C6>0; 
    C9>0; 
    C10>0
elif x=2 and y=1: 
    C7>0; 
    C9>0; 
    C10>0
我知道如何在简单的if-then-else情况下使用“Big M”技术。例如,如果问题是:

Problem: 
   if (x = 1) then (A < 0) else (B < 0)
Solution: 
   problem += A < M1*(1-x)
   problem += B < M2*x
问题:
如果(x=1),则(A<0)否则(B<0)
解决方案:
问题+=A
我不明白的是,如何将其更改为:

  • 如果有两个以上的分支,那么它不再是x和(1-x)的乘法
  • 如果原始决策下有后续分支,则会有更多决策都依赖于上面的值

  • 这里涉及到三个步骤:

    第一:

    重新格式化
    x
    变量,使其为二进制而不是{0,1,2}。(严格地说,这是没有必要的,但我认为它使解决方案更干净,更易于推广。)

    因此,引入三个新的二进制变量
    x0
    x1
    x2
    ,并将其约束如下:

    x0 >= 1 - x
    x0 <= 1 - 0.5x
    
    x2 >= x - 1
    x2 <= 0.5 x
    
    x1 = x - 2x2
    
    第一个约束条件是,如果所有四个变量都等于它们的目标(
    i
    j
    ,等等),那么
    w_ijkl
    必须等于1,否则它可以等于0。第二个约束条件是,如果四个都等于它们的目标,那么
    w_ijkl
    可能等于1,否则必须等于0

    例如,w_0110获得以下约束:

    w_ijkl >= i*x0 + (1-i)*(1-x0) + j*x1 + (1-j)*(1-x1) +
              k*x2 + (1-k)*(1-x2) + l*y + (1-l)*(1-y) - 3
    w_ijkl <= 0.25 * [i*x0 + (1-i)*(1-x0) + j*x1 + (1-j)*(1-x1) +
                      k*x2 + (1-k)*(1-x2) + l*y + (1-l)*(1-y)]
    
    w_0110 >= 1-x0 + x1 + x2 + (1-y) - 3
    w_0110 <= 0.25 * [1-x0 + x1 + x2 + (1-y)]
    
    (顺便说一下,通常不能在MIP中使用严格的不等式约束——您需要大于或等于或小于或等于约束。)

    C6 >= M * (w_0010 - 1)