python调用求解器SCIP求解多维背包问题（MKP）

1. 背包问题的分类

背包问题（Knapsack Problem，KP） 是NP完全问题，背包问题可以描述为在充分利用空间的前提下将物品放入背包中使得物品的总价值达到尽可能大。经典的背包问题又根据背包数量、物品是否可以重复选择、约束条件的个数变种成不同的背包问题。

问题分类	背包数量	物品是否可以被重复选择	约束条件
0-1背包问题（ 0–1 knapsack problem）	一个	不可重复	一个
多选择背包问题	一个	可重复但选择次数有限制条件	一个
多(重) 背包问题	多个	不可重复	一个且每个背包对应不同的约束条件
多目标背包问题	多个	不可重复	一个
多维背包问题（Multi-dimensional Knapsack Problem）	一个	不可重复	多个

2. 0-1背包问题

Given $N$ objects, where the $j$ th object owns its weight $w_j$ and profit $p_j$, and a knapsack that can hold a limited weight capability $C$, the goal of this problem is to pack the knapsack so that the objects in it have the maximal value among all possible ways the knapsack can be packed.

2.1 数学模型

3. 多维背包问题（MKP）

多维背包问题(Multi-dimensional Knapsack Problem， MKP) 又称多约束背包问题(Multi-constrained Knapsack Problem)，特点是具有2个或2个以上约束条件。

The multidimensional 0–1 knapsack problem (MKP) is a special case of general linear 0–1 programs. Several names have been mentioned in the literature for the MKP: m-dimensional knapsack problem, multidimensional knapsack problem, multiknapsack problem, multiconstraint 0–1 knapsack problem, etc.

3.1 数学模型

• 参数:
  • $m$: 背包约束的个数；
  • $n$：物品的个数；
  • $b_i$: 背包约束$i$（如重量、体积等）；
  • $a_{ij}$：表示物品$j$对背包的约束$i$的消耗；
  • $c_i$：物品$i$的价值;
• 决策变量：$x_j$=1 表示物品$j$放入背包; $x_j$=0表示物品$j$未放入背包

2.2 python代码实现MKP及结果

• python调用求解器SCIP求解多维背包问题，算例来自OR-Library

import pandas as pd
import numpy as np
import pyscipopt as opt


# ==========测试数据==========
# 背包约束
knapsack_const = {'weight': 600, 'volume': 600}
# 商品信息, 商品有不同的属性，如重量weight、体积volume，且有各自的价值value
items_info = [{'name': 'item_0', 'value': 1898, 'weight': 45, 'volume': 30},
 {'name': 'item_1', 'value': 440, 'weight': 5, 'volume': 20},
 {'name': 'item_2', 'value': 22507, 'weight': 85, 'volume': 125},
 {'name': 'item_3', 'value': 270, 'weight': 150, 'volume': 5},
 {'name': 'item_4', 'value': 14148, 'weight': 65, 'volume': 80},
 {'name': 'item_5', 'value': 3100, 'weight': 95, 'volume': 25},
 {'name': 'item_6', 'value': 4650, 'weight': 30, 'volume': 35},
 {'name': 'item_7', 'value': 30800, 'weight': 12, 'volume': 73},
 {'name': 'item_8', 'value': 615, 'weight': 170, 'volume': 12},
 {'name': 'item_9', 'value': 4975, 'weight': 20, 'volume': 15},
 {'name': 'item_10', 'value': 1160, 'weight': 40, 'volume': 15},
 {'name': 'item_11', 'value': 4225, 'weight': 25, 'volume': 40},
 {'name': 'item_12', 'value': 510, 'weight': 20, 'volume': 5},
 {'name': 'item_13', 'value': 11880, 'weight': 3, 'volume': 10},
 {'name': 'item_14', 'value': 479, 'weight': 7, 'volume': 10},
 {'name': 'item_15', 'value': 440, 'weight': 25, 'volume': 12},
 {'name': 'item_16', 'value': 490, 'weight': 12, 'volume': 10},
 {'name': 'item_17', 'value': 330, 'weight': 22, 'volume': 9},
 {'name': 'item_18', 'value': 110, 'weight': 25, 'volume': 10},
 {'name': 'item_19', 'value': 560, 'weight': 9, 'volume': 20},
 {'name': 'item_20', 'value': 24355, 'weight': 165, 'volume': 60},
 {'name': 'item_21', 'value': 2885, 'weight': 2, 'volume': 40},
 {'name': 'item_22', 'value': 11748, 'weight': 85, 'volume': 50},
 {'name': 'item_23', 'value': 4550, 'weight': 15, 'volume': 36},
 {'name': 'item_24', 'value': 750, 'weight': 9, 'volume': 49},
 {'name': 'item_25', 'value': 3720, 'weight': 2, 'volume': 40},
 {'name': 'item_26', 'value': 1950, 'weight': 4, 'volume': 19},
 {'name': 'item_27', 'value': 10500, 'weight': 100, 'volume': 150}]

model = opt.Model("mkp")

# ==========定义变量==========
# 定义0-1决策变量表示商品是否放入背包中
x = {}
for item in items_info:
    x[item['name']] = model.addVar(vtype="B", name=item['name'])

# ==========定义约束==========
# 对于背包的每个约束，都应该满足
for key in knapsack_const.keys():
    model.addCons(opt.quicksum(item[key] * x[item['name']] for item in items_info) <= knapsack_const[key], "const_" + key)

# ==========定义目标==========
# 最大化放入背包的商品的价值
model.setObjective(opt.quicksum(item['value'] * x[item['name']] for item in items_info), "maximize")
model.optimize()

# ==========输出结果==========
result = []
for item in items_info:
    if model.getVal(x[item['name']]) > 0:
        result.append(x[item['name']])
print('ObjVal=', model.getObjVal())
print('result=', result)

• 结果
  

参考文献

[1] Freville A . The multidimensional 0–1 knapsack problem: An overview[J]. European Journal of Operational Research, 2004, 155(1):1-21.