Python 当问题不可行时，纸浆获得结果，而问题不可行

我想用纸浆解决一个作业问题。守则的基本部分如下：

set_I = range(1, numberOfPoints)
set_J = range(1, numberOfCentroids)

tau = 0.15
Q = 15

# decision variable
x_vars = LpVariable.dicts(name="x_vars", indexs=(set_I, set_J), lowBound=0, upBound=1, cat=LpInteger)

# model name
prob = LpProblem("MIP_Model", LpMinimize)

# constraints
for i in set_I:
   prob += lpSum(x_vars[i][j] for j in set_J) == 1, ""

for j in set_J:
   prob += lpSum(x_vars[i][j] for i in set_I) >= 1, ""

for j in set_J:
   prob += lpSum(x_vars[i][j] for i in set_I) <= Q*(1-tau), ""

for j in set_J:
   prob += lpSum(x_vars[i][j] for i in set_I) >= Q*(1+tau), ""

# objective
prob += lpSum(d[i, j]*x_vars[i][j] for i in set_I for j in set_J)

prob.solve()

设置I=范围（1，点数）
set_J=范围（1，质心数）
tau=0.15
Q=15
#决策变量
x_vars=LpVariable.dicts（name=“x_vars”，indexs=（set_I，set_J），下限=0，上限=1，cat=LpInteger）
#型号名称
prob=LpProblem（“MIP_模型”，LpMinimize）
#约束条件
对于集合_i中的i：
prob+=lpSum（集合j中j的x变量[i][j]==1，”
对于集合j中的j：
prob+=lpSum（集合i中i的x_变量[i][j]>=1，”
对于集合j中的j：
prob+=lpSum（集合i中i的x变量[i][j）=Q*（1+tau），“
#客观的
prob+=lpSum（集合中i的d[i，j]*x_变量[i][j]
问题解决（）

结果如下：

问题模型有31行、76列和304个元素

Coin0008I型号读取时出现0个错误

问题不可行-0.01秒

打印选项选项从普通更改为全部

然而，该问题并非不可行，并可通过其他解算器获得结果

我想知道是否有语法错误，问题是否由此引起

我在下一个链接中问了一个类似的问题：

---

当我在本地运行问题时，使用

d

一个由1、20个点和3个质心组成的矩阵。这对我来说也变得不可行了。看看这些限制：

_C22: x_vars_10_1 + x_vars_11_1 + x_vars_12_1 + x_vars_13_1 + x_vars_14_1
 + x_vars_15_1 + x_vars_16_1 + x_vars_17_1 + x_vars_18_1 + x_vars_19_1
 + x_vars_1_1 + x_vars_2_1 + x_vars_3_1 + x_vars_4_1 + x_vars_5_1 + x_vars_6_1
 + x_vars_7_1 + x_vars_8_1 + x_vars_9_1 <= 12.75

_C23: x_vars_10_2 + x_vars_11_2 + x_vars_12_2 + x_vars_13_2 + x_vars_14_2
 + x_vars_15_2 + x_vars_16_2 + x_vars_17_2 + x_vars_18_2 + x_vars_19_2
 + x_vars_1_2 + x_vars_2_2 + x_vars_3_2 + x_vars_4_2 + x_vars_5_2 + x_vars_6_2
 + x_vars_7_2 + x_vars_8_2 + x_vars_9_2 <= 12.75

_C24: x_vars_10_1 + x_vars_11_1 + x_vars_12_1 + x_vars_13_1 + x_vars_14_1
 + x_vars_15_1 + x_vars_16_1 + x_vars_17_1 + x_vars_18_1 + x_vars_19_1
 + x_vars_1_1 + x_vars_2_1 + x_vars_3_1 + x_vars_4_1 + x_vars_5_1 + x_vars_6_1
 + x_vars_7_1 + x_vars_8_1 + x_vars_9_1 >= 17.25

_C25: x_vars_10_2 + x_vars_11_2 + x_vars_12_2 + x_vars_13_2 + x_vars_14_2
 + x_vars_15_2 + x_vars_16_2 + x_vars_17_2 + x_vars_18_2 + x_vars_19_2
 + x_vars_1_2 + x_vars_2_2 + x_vars_3_2 + x_vars_4_2 + x_vars_5_2 + x_vars_6_2
 + x_vars_7_2 + x_vars_8_2 + x_vars_9_2 >= 17.25

---

同时大于17.25且小于12.75。当然，这是不可能的。

当我在本地运行问题时，使用

d

一个由1、20个点和3个质心组成的矩阵。这对我来说也变得不可行了。看看这些限制：

_C22: x_vars_10_1 + x_vars_11_1 + x_vars_12_1 + x_vars_13_1 + x_vars_14_1
 + x_vars_15_1 + x_vars_16_1 + x_vars_17_1 + x_vars_18_1 + x_vars_19_1
 + x_vars_1_1 + x_vars_2_1 + x_vars_3_1 + x_vars_4_1 + x_vars_5_1 + x_vars_6_1
 + x_vars_7_1 + x_vars_8_1 + x_vars_9_1 <= 12.75

_C23: x_vars_10_2 + x_vars_11_2 + x_vars_12_2 + x_vars_13_2 + x_vars_14_2
 + x_vars_15_2 + x_vars_16_2 + x_vars_17_2 + x_vars_18_2 + x_vars_19_2
 + x_vars_1_2 + x_vars_2_2 + x_vars_3_2 + x_vars_4_2 + x_vars_5_2 + x_vars_6_2
 + x_vars_7_2 + x_vars_8_2 + x_vars_9_2 <= 12.75

_C24: x_vars_10_1 + x_vars_11_1 + x_vars_12_1 + x_vars_13_1 + x_vars_14_1
 + x_vars_15_1 + x_vars_16_1 + x_vars_17_1 + x_vars_18_1 + x_vars_19_1
 + x_vars_1_1 + x_vars_2_1 + x_vars_3_1 + x_vars_4_1 + x_vars_5_1 + x_vars_6_1
 + x_vars_7_1 + x_vars_8_1 + x_vars_9_1 >= 17.25

_C25: x_vars_10_2 + x_vars_11_2 + x_vars_12_2 + x_vars_13_2 + x_vars_14_2
 + x_vars_15_2 + x_vars_16_2 + x_vars_17_2 + x_vars_18_2 + x_vars_19_2
 + x_vars_1_2 + x_vars_2_2 + x_vars_3_2 + x_vars_4_2 + x_vars_5_2 + x_vars_6_2
 + x_vars_7_2 + x_vars_8_2 + x_vars_9_2 >= 17.25

同时大于17.25且小于12.75。当然，这是不可能的