问题标签 [pulp]

我正在解决相当大的问题，但我陷入了困境。我会在这里尝试简化它，希望有人能给我一个想法......

假设我们有 25 个航班 (FlightID) 在不同的时间 (TimeIndex) 起飞，必须分配给 10 个可用的行李处理工作站 (WS)，如下所示：

每个航班需要 1、2 或 3 个行李处理工作站 (WS)，从 StartTime 到 EndTime 将占用这些工作站。每个工作站在整个时间段（开始时间到结束时间）内只能服务一个航班。

我到目前为止看起来像这样：

首先，我从 .csv 文件中读取我的信息。

然后我创建了 10 个工作站。

接下来，我声明我的决策变量“x” - 一个字典，其中飞行、时间、工作站作为键，0、1 作为值。

用虚拟目标函数声明问题。

第一个约束强制将所有航班分配到一个工作站到所有需要的 24 次。

这会创建一组独特的时间，以便仅在需要时创建约束，而不是遍历所有可能的时间范围。

下一个约束强制一个工作站一次只分配给一个航班。

只需将模型写入 .txt 即可。

我也在使用 pandas 来获得“x”的可视化。

现在，我的问题是我不知道如何进行第三个约束，以便在该航班所需的所有时间将一个工作站 (WS) 分配给同一航班，如下所示：

更准确地说，例如，Flight01 应该一直分配给 WS1（从 116 到 140）。

我有一个 ILP（整数线性规划）问题，并且正在使用 CBC 来解决它。

我的目标是在 30 秒内计算出最佳近似解。

我尝试使用以下参数：maxSeconds = 30 但它并不总是有效。有时，算法会在 30 秒后返回非整数解。

我还尝试了 ratioGap = 0.01, hOptions = 1 以获得近似解。但是，有时需要超过 30 秒才能获得它。

我怎样才能在不到 30 秒的时间内获得最好的整数解（不一定是最优解）？

我正在使用纸浆（https://pythonhosted.org/PuLP/）进行优化并遇到问题。我需要使用类似的约束abs(x) > MIN，我在这里找到了解决方案http://lpsolve.sourceforge.net/5.5/absolute.htm，我只创建了两个约束：

其中 B 为 0 或 1 且 M 值足够大。问题是当我使用 M ~ 10000 时一切正常，但是当我使用 INT_MAX_VALUE 或 ~ 10000000000 时它不起作用。有没有人遇到过这样的问题？

我正在尝试使用 Python PuLP 对以下方程进行建模

我编写了以下 Python 代码

这给出了以下纸浆错误：

回溯（最后一次调用）：文件“C:\Python34\Cloud 3.py”，第 446 行，在资源（请求，pmachine，l，q）文件“C:\Python34\Cloud 3.py”，第 136 行，在资源状态 = prob.solve() 文件“C:\Python34\lib\site-packages\pulp-1.6.1-py3.4.egg\pulp\pulp.py”，第 1643 行，在求解状态 = 求解器.actualSolve(self, **kwargs) 文件“C:\Python34\lib\site-packages\pulp-1.6.1-py3.4.egg\pulp\solvers.py”，第 1303 行，在 actualSolve 中返回 self.solve_CBC (lp, **kwargs) 文件“C:\Python34\lib\site-packages\pulp-1.6.1-py3.4.egg\pulp\solvers.py”，第 1325 行，在 solve_CBC tmpMps 中，重命名 = 1)文件“C:\Python34\lib\site-packages\pulp-1.6.1-py3.4.egg\pulp\pulp.py”，第 1431 行，在 writeMPS 中如果 mip 和 v.cat == LpInteger: AttributeError: 'LpElement' 对象没有属性 'cat'

什么AttributeError: 'LpElement' object has no attribute 'cat'以及为什么会产生这个错误？

我将 Pulp 与 GLPK 求解器一起使用并具有以下约束：

求解器：

但结果我解决了违反约束的问题（状态“最佳”）：

那么，在这种情况下我能做些什么呢？我可以以某种方式提高准确性或使用其他解决方案吗？

在尝试使用 PuLP 解决二进制整数编程问题并使用 GLPK 作为求解器时，我收到以下错误。我已经在 Windows 上安装了 GLPK，也设置了路径。pulp.pulpTestAll()演出结果Solver <class 'pulp.solvers.GLPK_CMD'> passed

但是，当我使用默认的 PuLP 求解器时，它运行得非常好。我status = prob.solve(pulp.GLPK())用来调用求解器。完整的 Python 代码很长，所以我没有在这里发布。从prob.writeLP('problem.txt')PuLP 获得的输出如下：

为什么 GLPK 会产生错误？使用默认求解器，得到的输出是：

我正在尝试解决以下等式：

maximize x^{T}Ax 其中x是3 X 1要最大化的变量的向量，A是值的3 X 3矩阵。

所以基本上x^{T} = [a,b,c]哪些是要最大化的未知数，A可能类似于

A = [ [29, 29, 79], [28, 28, 48], [9, 40, 0 ]]

有人可以告诉我如何使用 PuLP 或 python 中的其他一些线性编程包以最大化问题的形式表示这一点吗？

任何帮助将非常感激。我对这个领域非常陌生，不知道如何开始表示这个公式。

到目前为止，我已经尝试使用CVXPY来模拟这个函数。我有以下代码，但看到一个错误：

我已经安装了 python 2.7.12。我使用“pip install 纸浆”来安装纸浆包。我的问题是“进口纸浆”给了我以下错误。我怎么解决这个问题。如果您需要其他东西来调试，请告诉我。我有一台装有 El Capitan 10.11.5 操作系统的 Mackbook pro。

有没有办法在 python 的纸浆中添加一个约束来计算所有高于 5 的变量并要求该计数大于 10？我目前有以下代码，但它只调用一次函数；

因此，例如，如果我有 vars = [x1,x2,..,x20] 其中 xi 是纸浆.Lpvariable 并且 x1,..,x10 = 6 那么这些变量中有 10 个大于 5，从而满足了在至少有 10 个变量的值大于 5。

我在 python 中使用“pulp”和 GUROBI 来解决一些优化问题。例如，GUROBI 的计算日志是：

我想禁用此输出，因为我要解决 800k 优化问题，并且在输出中写入这些日志会使我的代码太慢。禁用这些日志的任何想法？