Ограничения Google OR Tools из DataFrame - PullRequest
Новая
       5

Ограничения Google OR Tools из DataFrame

0 голосов
/ 04 февраля 2019

Я хотел бы построить модель Google OR Tools, чтобы использовать linear_solver для CBC_MIXED_INTEGER_PROGRAMMING.После Google tutorial Я научился создавать ограничения, но у меня есть вопрос ... необходимо ли писать каждое ограничение вручную? Я имею в виду, у меня есть следующий DataFrame df_constraintкоторые содержат коэффициент ограничений в виде ax+by<=c. 

+---+---+---+
| A | B | C |
+---+---+---+
| 1 | 5 | 7 |
| 2 | 9 | 3 |
| 3 | 0 | 4 |
+---+---+---+

таблица может быть переведена в следующие ограничения 

# 1x+5y<=7
constraint1 = solver.Constraint(-solver.infinity(), 7)
constraint1.SetCoefficient(x, 1)
constraint1.SetCoefficient(y, 5)

# 2x+9y<=3
constraint2 = solver.Constraint(-solver.infinity(), 3)
constraint2.SetCoefficient(x, 2)
constraint2.SetCoefficient(y, 9)

# 3x<=4
constraint3 = solver.Constraint(-solver.infinity(), 4)
constraint3.SetCoefficient(x, 3)

Вместо записи каждой строки, я хотел бычто-то вроде этого: 

for index, row in df.iterrows():
    constraint = solver.Constraint(-solver.infinity(), row['C'])
    constraint.SetCoefficient(x, row['A'])
    constraint.SetCoefficient(y, row['B'])

Мой фрагмент не будет работать, поскольку каждое ограничение должно иметь свое имя (например, constraint1, constraint2, ...).

Ответы [ 2 ]

0 голосов
/ 11 июля 2019

На самом деле, OR-Tools не требует, чтобы каждое ограничение имело уникальное имя.Но следующее все равно дает им уникальные имена.Как упоминалось выше, если вам нужно сохранить ограничения, вы можете сделать это в массиве следующим образом.Здесь я использую более распространенные обозначения (A - это коэффициенты ограничения, B - это правые части ограничения, c - это объективные коэффициенты).Но он адаптируется к вашей настройке Pandas. 

from ortools.linear_solver import pywraplp # adapted from one of the examples

inf = float("inf")

AB = [
    [1, 0, 1], # x <= 1
    [0, 1, 2], # y <= 2
    [1, 1, 2], # x + y <= 2
    [-1, -1, 0] # x + y >= 0
]
c = [3, 1]

def main():
    solver = pywraplp.Solver('simple_lp_program',
                             pywraplp.Solver.GLOP_LINEAR_PROGRAMMING)
    x = solver.NumVar(-inf, inf, 'x') # no UB or LB on x, y
    y = solver.NumVar(-inf, inf, 'y')

    cts = []
    for i, (*a, b) in enumerate(AB):
        ct = solver.Constraint(-inf, b, 'ct' + str(i))
        ct.SetCoefficient(x, a[0])
        ct.SetCoefficient(y, a[1])
        cts.append(ct)

    print('Number of constraints =', solver.NumConstraints())
    objective = solver.Objective()
    objective.SetCoefficient(x, c[0])
    objective.SetCoefficient(y, c[1])
    objective.SetMaximization()
    solver.Solve()
    print('Solution:')
    print('Objective value =', objective.Value())
    print('x =', x.solution_value())
    print('y =', y.solution_value())

if __name__ == '__main__':
    main()
0 голосов
/ 05 февраля 2019

делает это, решить вашу проблему? 

 df_constraints = pd.DataFrame({
    'A': pd.Series([1, 2, 3]),
    'B': pd.Series([5, 9, 0]),
    'C': pd.Series([7, 3, 4]),
    })
for row in df_constraints.itertuples():
    #print("row {}".format(row))
    #print("A {}".format(row[0]))
    #print("B {}".format(row[1]))
    #print("C {}".format(row[2]))
    constraint = solver.Constraint(-solver.infinity(), row[2])
    constraint.SetCoefficient(x, row[0])
    constraint.SetCoefficient(y, row[1])
...