Docplex CP 最小化_静态_lex 问题

Question

我目前正在使用 docplex 来优化调度活动。我的目标是尽量减少计划的完成时间和分配的工人数量。为了实现这一目标，我一直在使用

minimize_static_lex

选项，这非常有效。

但是，我遇到了一种情况，当单独优化我的第一个目标（工人数量）时，我立即找到了一个有 2 个工人的解决方案。然而，当我将完工时间合并到词典最小化中时，求解器只能找到 5 个工作人员的解决方案。 10 分钟后，我失去了耐心，因为我知道，仅在最小化工人数量的情况下，10 秒内就能找到解决方案。

我正在使用Python API。除了进行第一次优化然后重新启动第二次优化、添加最多 2 个工作人员的限制之外，我还可以采取其他方法吗？

第二个问题：有没有办法在求解过程中更新约束？我可以分配一个时间段单独优化第一个目标，然后将其修复为约束并优化第二个目标，依此类推。理想情况下，我不想重新生成模型，只需更新约束即可。

Answer 1

使用minimum_static_lex，以下示例可以正常工作

from docplex.cp.model import CpoModel
from docplex.cp.model import CpoParameters

mdl = CpoModel(name='buses')

param=CpoParameters()
param.OptimalityTolerance=0.01
mdl.set_parameters(param)

nbbus50 = mdl.integer_var(0,10,name='nbBus50')
nbbus40 = mdl.integer_var(0,10,name='nbBus40')
nbbus30 = mdl.integer_var(0,10,name='nbBus30')
cost = mdl.integer_var(0,10000,name='cost')
co2emission = mdl.integer_var(0,10000,name='co2emission')

mdl.add(nbbus50*50+nbbus40*40 + nbbus30*30 >= 200)
mdl.add(co2emission==nbbus50*10+nbbus40*11+nbbus30*12)
mdl.add(cost==nbbus40*500 + nbbus30*400+nbbus50*625)
mdl.add(mdl.minimize_static_lex([cost,co2emission]))
msol=mdl.solve()

print(msol[nbbus50]," buses 50 seats") 
print(msol[nbbus40]," buses 40 seats")
print(msol[nbbus30]," buses 30 seats") 
print(msol[cost])
print(msol[co2emission]/10) 

让我通过几个步骤将多目标模型动物园翻译成cpoptimizer

from docplex.cp.model import CpoModel
from docplex.cp.model import CpoParameters

mdl = CpoModel(name='buses')

param=CpoParameters()
param.OptimalityTolerance=0.01
mdl.set_parameters(param)

nbbus50 = mdl.integer_var(0,10,name='nbBus50')
nbbus40 = mdl.integer_var(0,10,name='nbBus40')
nbbus30 = mdl.integer_var(0,10,name='nbBus30')
cost = mdl.integer_var(0,10000,name='cost')
co2emission = mdl.integer_var(0,10000,name='co2emission')

coef = mdl.integer_var(0,1,name='coef')

mdl.add(nbbus50*50+nbbus40*40 + nbbus30*30 >= 200)
mdl.add(co2emission==nbbus50*10+nbbus40*11+nbbus30*12)
mdl.add(cost==nbbus40*500 + nbbus30*400+nbbus50*625)


mdl.minimize(cost+coef*co2emission)
msol=mdl.solve()

print(msol[nbbus50]," buses 50 seats") 
print(msol[nbbus40]," buses 40 seats")
print(msol[nbbus30]," buses 30 seats") 
print("cost=",msol[cost])
print("co2emission=",msol[co2emission]/10) 
print(msol[coef])

#let us not make the cost worse now

mdl.add(cost==msol[cost])
mdl.add(coef==1)


mdl.solve()

print(msol[nbbus50]," buses 50 seats") 
print(msol[nbbus40]," buses 40 seats")
print(msol[nbbus30]," buses 30 seats") 
print("cost=",msol[cost])
print("co2emission=",msol[co2emission]/10) 

注意：

使用 OPL，可以更轻松地使 https://github.com/AlexFleischerParis/zooopl/blob/master/zoomultiobjective.mod 与 CPOptimizer 一起使用

   using CP;

    int nbKids=200;
    float costBus40=500;
    float costBus30=400;
    float costBus50=625;
         
    dvar int+ nbBus40 in 0..10;
    dvar int+ nbBus30 in 0..10;
    dvar int+ nbBus50 in 0..10;

    dvar int cost;
    dvar int co2emission;
         
    minimize
      staticLex(cost,co2emission);
         
    subject to
    {
     cost==costBus40*nbBus40  +nbBus30*costBus30+nbBus50*costBus50;
     co2emission==nbBus50*10+nbBus40*11+nbBus30*12;

      40*nbBus40+nbBus30*30+nbBus50*50>=nbKids;
    }

    execute DISPLAY_After_SOLVE
    {
      writeln("The minimum cost is ",cost);
      writeln("CO2 emission is ",co2emission/10);
      writeln("We will use ",nbBus40," 40 seats buses ",nbBus30,
      " 30 seats buses and ", nbBus50," buses 50 seats");
    }