Рассмотрим простую ILP, которая состоит из целевой функции и ограничений на переменные:
min x1 + x2
s.t.
x1 + x2 >= 50
x1 >= 0
x2 >= 0
Для обеспечения вашего условия вы можете добавить 2 переменные y
и z
и 2 ограничения:
y >= x1 + x2
y == 100 * j
для некоторых j >= 1
и измените вашу целевую функцию на min y
.
Inкод:
Оригинальная формулировка
x1 = pulp.LpVariable('x1',lowBound=0,cat=pulp.LpContinuous)
x2 = pulp.LpVariable('x2',lowBound=0,cat=pulp.LpContinuous)
prob1 = pulp.LpProblem('example1',pulp.LpMinimize)
# obj
prob1+= 5*x1 + 10*x2
# constraints
prob1+= x1 + x2 >= 50
prob1.solve()
print(pulp.value(prob1.objective)) #250
Конвертированная
y = pulp.LpVariable('y',lowBound=0, cat=pulp.LpContinuous)
z = pulp.LpVariable('z',lowBound=1, cat=pulp.LpInteger)
prob2 = pulp.LpProblem('example2',pulp.LpMinimize)
# obj
prob2+= y
# constraints
prob2+= y >= 5*x1 + 10*x2
prob2+= y == 100 * z
prob2+= x1 + x2 >= 50
prob2.solve()
print(pulp.value(prob2.objective)) #300