Как соотнести наши собственные переменные с разработанными переменными в LP файле при использовании MIP Python - PullRequest
Новая
       113

Как соотнести наши собственные переменные с разработанными переменными в LP файле при использовании MIP Python

0 голосов
/ 07 августа 2020

Все,

Я использую MIP Python для оптимизации целочисленных задач. Например, у меня есть такие переменные, как x11, x12, ... и т. Д., Где 1-й и 2-й подстрочные индексы могут быть чем угодно.

Затем я записываю модель как LP-файл, где она генерирует все такие переменные, как x1, x2, ... и так далее. Как код MIP определяет мои переменные в свою собственную переменную? Например, как быстро узнать, относится ли x11 к x1 или x2 в файле LP?

Это мой код: 

from itertools import product
from mip import Model, BINARY

n = m = 3
times = [[2, 1, 2], 
         [1, 2, 2],
         [1, 2, 1]]

# summing all elements in times with i as the row and j as the column
M = sum(times[i][j] for i in range(n) for j in range(m))

machines = [[2, 0, 1],
            [1, 2, 0],
            [2, 1, 0]]

model = Model('JSSP')
c = model.add_var(name="C")
x = [[model.add_var(name='x({},{})'.format(j+1, i+1)) 
      for i in range(m)] for j in range(n)]

y = [[[model.add_var(var_type=BINARY, name='y({}, {}, {})'.format(j+1, k+1, i+1))
      for i in range(m)] for k in range(n)] for j in range(n)]

model.objective = c

for (j, i) in product(range(n), range(1, m)):
    model += x[j][machines[j][i]] - x[j][machines[j][i-1]] >= times[j][machines[j][i-1]]
    
for (j, k) in product(range(n), range(n)):
    if k != j:
        for i in range(m):
            model += x[j][i] - x[k][i] + M*y[j][k][i] >= times[k][i]
            model += -x[j][i] + x[k][i] - M*y[j][k][i] >= times[j][i] - M
            

for j in range(n):
    model += c - x[j][machines[j][m-1]] >= times[j][machines[j][m-1]]

model.optimize()

print("Completion time: ", c.x)
for (j,i) in product(range(n), range(m)):
    print("task %d starts on machine %d at time %g "% (j+1, i + 1, x[j][i].x))

model.write('model.lp') # this model.lp can be opened and checked with Notepad++
model.read('model.lp')
print('model has {} vars, {} constraints and {} non zeros'.format(model.num_cols, model.num_rows, model.num_nz))

Спасибо, Зульфан

...