Python 重复约束优化

我有一组（10000+个）项目，我必须从中选择正确的

k

项目。我只能根据顺序限制多次选择每个项目：如果我在位置1选择一个项目，我在位置21之前无法选择它。我的物品有利润，也有成本

每个项都表示为一个元组：

item = ('item name', cost, profit)

例如

vase = ['Ming Vase', 1000, 10000]

plate = ['China Plate', 10, 5]

项目的总集是一个列表：

items = [item1, item2, ..., itemN].

我的利润和成本也列出了：

profits = [x[2] for x in items]
costs = [x[1] for x in items]

对于选择的每个项目，它需要有一个最小值，并且该项目不能在接下来的19个项目中重复使用。我想根据这个约束选择k个最便宜、价值最高的项目，但我很难确定它

我很难用谷歌或其他工具来描述这一点。下面只得到最佳的

k

（在本例中为100），没有任何额外的约束

from ortools.linear_solver import pywraplp

solver = pywraplp.Solver('SolveAssignmentProblemMIP',
                       pywraplp.Solver.CBC_MIXED_INTEGER_PROGRAMMING)

x = {}

for i in range(MAX_ITEMS):
    x[i] = solver.BoolVar('x[%s]' % (i))

#Define the constraints 
total_chosen = 100
solver.Add(solver.Sum([x[i] for i in range(MAX_ITEMS)]) == total_chosen)

max_cost = 5.0

for i in range(num_recipes):
    solver.Add(x[i] * cost[i] <= max_cost)

solver.Maximize(solver.Sum([profits[i] * x[i] for i in range(total_chosen)]))
sol = solver.Solve()

在制定约束条件和目标方面的任何帮助都会非常有用。谢谢

solver.Add(x[i] * cost[i] <= max_cost)

如果没有其他限制，该目标要求选择最佳项目

total_selected

次数。但我们不能重复太多的项目。因此，我们需要20个成本低于

max\u cost

的最佳项目，并重复它们

total\u selected/20次

import numpy

MAX_ITEMS = 10000

cost = numpy.random.randint(1, 100, MAX_ITEMS)
profits = numpy.random.randint(1, 100, MAX_ITEMS)

total_chosen = 100
repeat = 20 
max_cost = 5.0

cheap = [i for i in range(MAX_ITEMS) if costs[i] <= max_cost]
chosen = sorted(cheap, key=lambda i: profits[i], reverse=True)[:repeat]

for _ in range(total_chosen/repeat):
  for i in chosen:
    print(i, costs[i], profits[i])

导入numpy
最大项目数=10000
成本=numpy.random.randint（1100个，最多个项目）
利润=numpy.random.randint（1100个，最大项）
所选总数=100
重复=20次
最大成本=5.0
便宜=[i for i in range（MAX_ITEMS）如果花费[i]一个想法，如果你为前20个对象创建了一个最佳解决方案，你能重复这个模式直到序列结束吗

如果是，请按20个最佳值对项目进行排序，然后重复该顺序。
首先，您需要严格地制定“k个最便宜的项目，具有最高值”。因为有十几个数学公式。您可以尝试优化总和、最大/最小值、顺序，对总和或最大/最小值施加约束，对每个标准计算relative值划分标准等。似乎您可以从表单中排除重复约束。乍一看，如果您可以重复某个项目，则必须重复。因此，您只需要分配前19（20？）个项目，以后（最佳）序列应复制前19个。对于范围内的i（num_配方）：解算器。添加（x[i]*成本[i]
Sum([profits[i] * x[i])

import numpy

MAX_ITEMS = 10000

cost = numpy.random.randint(1, 100, MAX_ITEMS)
profits = numpy.random.randint(1, 100, MAX_ITEMS)

total_chosen = 100
repeat = 20 
max_cost = 5.0

cheap = [i for i in range(MAX_ITEMS) if costs[i] <= max_cost]
chosen = sorted(cheap, key=lambda i: profits[i], reverse=True)[:repeat]

for _ in range(total_chosen/repeat):
  for i in chosen:
    print(i, costs[i], profits[i])

import numpy
from ortools.linear_solver import pywraplp

solver = pywraplp.Solver('SolveAssignmentProblemMIP',
                       pywraplp.Solver.CBC_MIXED_INTEGER_PROGRAMMING)

MAX_ITEMS = 10000

costs = numpy.random.randint(1,100,MAX_ITEMS)
profits = numpy.random.randint(1,100,MAX_ITEMS)

total_chosen = 100
repeat = 20

max_cost = 5.0

x = {}

for i in range(MAX_ITEMS):
  x[i] = solver.BoolVar('x[%s]' % (i))

solver.Add(solver.Sum([x[i] for i in range(MAX_ITEMS)]) == repeat)

for i in range(MAX_ITEMS):
  solver.Add(x[i] * costs[i] <= max_cost)

solver.Maximize(solver.Sum([profits[i] * x[i] for i in range(MAX_ITEMS)]))
sol = solver.Solve()

for i in range(MAX_ITEMS):
  if x[i].solution_value() > 0:
    print(i, profits[i], costs[i])