Невозможно получить двойные значения из LP с использованием CPLEX - PullRequest
Новая
       44

Невозможно получить двойные значения из LP с использованием CPLEX

3 голосов
/ 18 июня 2019

Я пытаюсь закодировать алгоритм разложения Бендера, используя CPLEX.Чтобы убедиться, что я правильно его кодирую, я следую числовому примеру из «Методы декомпозиции в математическом программировании» AJ Conejo и др., Стр. 247.

Однако моя проблема может быть сформулирована без доступа к упомянутымматериал или знание контекста.Мне нужно решить следующий LP и получить двойные значения для ограничения «fixing_x». 

import cplex
x_master_value = 100.

c_toy_slave = cplex.Cplex()
types = c_toy_slave.variables.type

y = c_toy_slave.variables.add(names=["y"+str(i) for i in range(3)], lb=[0]*3, types=[types.continuous]*3)
x = c_toy_slave.variables.add(names=["x"], lb=[0], types=[types.continuous])
w = c_toy_slave.variables.add(names=["w"], lb=[0], types=[types.continuous])

cst1 = c_toy_slave.linear_constraints.add([[["y0", "y1", "x", "w"], [-1, -3, 2, -1]]],
                                    names=["cst1"], rhs=[2], senses=['L'])

cst2 = c_toy_slave.linear_constraints.add([[["y0", "y1", "x", "w"], [1, 3, -1, -1]]],
                                    names=["cst2"], rhs=[3], senses=['L'])

cst3 = c_toy_slave.linear_constraints.add([[["y2", "x"], [1, -3]]],
                                    names=["cst3"], rhs=[7/2], senses=['L'])

cst4 = c_toy_slave.linear_constraints.add([[["x"], [1]]],
                                    names=["fixing_x"], rhs=[x_master_value], senses=['E'])

c_toy_slave.objective.set_linear([("y0", -1.5), ("y1", -2), ("y2", -2), ("w", 40)])
c_toy_slave.objective.set_sense(c_toy_slave.objective.sense.minimize)

c_toy_slave.solve()

print("lambda = ", c_toy_slave.solution.get_dual_values("fixing_x"))

Но CPLEX говорит, что не может использовать метод get_dual_values ​​и выдает это сообщение: Ошибка CPLEX 1017: Недоступно для смешанного целого числапроблемы.Я не знаю, как решить эту проблему, поскольку вводимые мной данные представляют собой не MIP, а подлинный LP.

1 Ответ

2 голосов
/ 20 июня 2019

Оказалось, что удаление необязательного аргумента types=[type.continuous] решило мою проблему (т. Е. Тогда проблема оптимизации должным образом распознается как LP). Если мы посмотрим на документацию для Cplex.variables.add , она говорит:

Если указан тип, тип проблемы будет MIP, даже если все переменные указаны как непрерывные.

Итак, это ожидаемое поведение.

...