cp_optimizer入门引言和资料

weixin_41183901

于 2022-09-30 14:28:38 发布

阅读量422

点赞数 1

分类专栏： python 文章标签： python

本文链接：https://blog.youkuaiyun.com/weixin_41183901/article/details/127123057

版权

本文介绍了CPOptimizer，一个用于约束规划问题建模和求解的库。它超越了ILOGScheduler，允许更复杂的模型，如替代方案和可选目标。文章通过示例展示了如何创建整数变量、添加约束、使用element函数和all_diff函数。示例包括仓库选址问题和Golomb尺问题的求解，强调了决策变量、成本计算和避免镜像解的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

cp_optimizer入门引言和资料

CP Optimizer 是一个软件库，提供了用于对约束规划问题进行建模和求解的构造。

在 CP Optimizer 之前，有 ILOG Solver 和 ILOG Scheduler。调度问题由调度程序中的“活动”建模，活动由几个整数变量组成。Scheduler 取得了成功，但越来越难跟上客户的需求。工业问题通常包含某种替代方案、替代资源、可选目标等。很难使用活动对它们进行建模（例如，未执行活动的长度是多少？）。解决这些模型也很困难。

参考

# 示例代码
https://github.com/IBMDecisionOptimization/docplex-examples
# 函数说明
https://ibmdecisionoptimization.github.io/docplex-doc/cp/docplex.cp.modeler.py.html#scheduling-functions

整数变量与约束

from docplex.cp.model import CpoModel
mdl = CpoModel()

Belgium     = mdl.integer_var(0, 3, "Belgium")
Denmark     = mdl.integer_var(0, 3, "Denmark")

mdl.add(Belgium != France)       	# 增加约束Belgium和France颜色不一样

msol = mdl.solve(TimeLimit=10)  	# 求解

integer_var_list与element

nametuple

from collections import namedtuple
Warehouse = namedtuple('Wharehouse'

最低0.47元/天解锁文章