参考:https://bbs.huaweicloud.com/blogs/167519
ortools是google的开源求解器,支持线性规划、整数规划,可以方便的求解Routing、Bin packing(装箱问题)、Network flows、Assignment、Scheduling等问题。
OR-Tools中内置了一些第三方的开源求解器(SCIP, GLPK) 及商用求解器( Gurobi , CPLEX)
‘’‘
1.Bin packing:装箱问题中,不同体积的物品必须被打包到有限数量的箱子(bins)或容器中,每个箱子的体积都是固定的,并且要使所使用的箱子数量最小化。在计算复杂度理论中,它是一个 NP-难的问题。
算法:approximation(近似)算法,可以求得与精确解接近的结果但不一定得到精确解。如下次适应算法、首次适应算法、最佳使用算法、降序首次适应算法等。
2.Assignment 分配问题,有多个人和任务,每个人最多只能做一项任务,每个任务只能由一个人做,如何将任务分配给人可以使总费用最小。(LinearSumAssignment模型)
3.Scheduling 调度问题,在特定时间为任务分配人员和资源。
一、ortools基本求解器
1.约束优化求解器(CONSTRAINT PROGRAMMING):CP-SAT、ORIGINAL-CP
2.线性规划和混合整数规划求解器(LINEAR AND MIXED-INTEGER PROGRAMMING)包括: CBC、CLP、GLOP、GLPK、GUROBI、CPLEX 和SCIP。
3.图算法(GRAPH ALGORITHMS) (最短路径、最小成本、最大流量、线性求和分配)。
4.经典旅行推销员问题和车辆路径问题(VEHICLE ROUTING)。
5.排产问题和指派问题。
6.经典装箱和背包算法。
二、ortools安装
python版本要高于3.6
python -m pip install --upgrade --user ortools
三、ortools使用基本流程
OR-Tools使用基本流程概述
- 导入所需的库
- 声明求解器
- 创建变量
- 定义约束
- 定义目标函数
- 调用求解器并显示结果
(一)OR-Tools使用
1.定义要使用的求解器
1)使用线性规划求解器:
导入所需的库:FROM ORTOOLS.LINEAR_SOLVER IMPORT PYWRAPLP
SOLVER = PYWRAPLP.SOLVER(‘LINEAREXAMPLE’,PYWRAPLP.SOLVER.GLOP_LINEAR_PROGRAMMING)
2)使用混合整数规划求解器:
导入所需的库FROM ORTOOLS.LINEAR_SOLVER IMPORT PYWRAPLP
SOLVER = PYWRAPLP.SOLVER(‘SOLVEINTEGERPROBLEM’,PYWRAPLP.SOLVER.CBC_MIXED_INTEGER_PROGRAMMING)
2.定义要使用的变量 X = SOLVER.NUMVAR(-SOLVER.INFINITY(), SOLVER.INFINITY(), ‘X’) (定义实数类型变量)
X = SOLVER.INTVAR(0.0, SOLVER.INFINITY(), ‘X’) (定义整数类型变量)
3.定义约束
X + 7 * Y <= 17.5
CONSTRAINT1 = SOLVER.CONSTRAINT(-SOLVER.INFINITY(), 17.5) CONSTRAINT1.SETCOEFFICIENT(X, 1)
CONSTRAINT1.SETCOEFFICIENT(Y, 7)
4.定义目标函数
MAXIMIZE X + 10 * Y.
OBJECTIVE = SOLVER.OBJECTIVE()OBJECTIVE.SETCOEFFICIENT(X, 1) OBJECTIVE.SETCOEFFICIENT(Y, 10) OBJECTIVE.SETMAXIMIZATION()
5.求解
SOLVER.SOLVE()
6.获得求解器的得到的变量值和目标函数解
PRINT('X = ', X.SOLUTION_VALUE())
PRINT('Y = ', Y.SOLUTION_VALUE())
PRINT(‘OPTIMAL OBJECTIVE VALUE = %D’ % SOLVER.OBJECTIVE().VALUE())