cp_optimizer入门引言和资料

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', ('city','capacity','cost'))      # Name of the city
WAREHOUSES = (Warehouse("Bonn",     3, 480),
              Warehouse("Bordeaux", 1, 200),
              Warehouse("London",   2, 320),
              Warehouse("Paris",    4, 340),
              Warehouse("Rome",     1, 300))

integer_var_list

# Create one variable per store to contain the index of its supplying warehouse
NB_WAREHOUSES = len(WAREHOUSES)

'''
决策变量， store对应warehouse的编号
NB_STORES			决策变量的数量
0					最小值
NB_WAREHOUSES - 1	最大值
"supplier"			名称
'''
supplier = mdl.integer_var_list(NB_STORES, 0, NB_WAREHOUSES - 1, "supplier") 

'''
决策变量， warehouse是否开放
'''
open_var = mdl.integer_var_list(NB_WAREHOUSES, 0, 1, "open")

element

for s in supplier:
    # 相当于open_var[s]==1, supplier中存在的warehouse必须打开
    mdl.add(mdl.element(open_var, s) == 1)  

#### 计算内积（scalar product）
total_cost = mdl.scal_prod(open_var, [w.cost for w in WAREHOUSES])

注意，element函数里面不区分参数的次序。

for sx in range(NB_STORES):
    total_cost = total_cost + mdl.element(supplier[sx], SUPPLY_COST[sx])
'''
mdl.element(supplier[sx], SUPPLY_COST[sx]) = SUPPLY_COST[sx][supplier[sx]]
sx: store的index
supplier[sx]: supplier的index
'''

golomb_ruler问题与all_diff

mdl = CpoModel()
ORDER = 6
MAX_LENGTH = (ORDER - 1) ** 2
marks = mdl.integer_var_list(ORDER, 0, MAX_LENGTH, "M")  	# 标记点的整数决策变量


dist = [marks[i] - marks[j] for i in range(1, ORDER) for j in range(0, i)]
mdl.add(mdl.all_diff(dist))  	# 任意两点的差不能一样
mdl.add(marks[0] == 0) 			# 第一个标记点为0
for i in range(1, ORDER):		# 保证间隔越来越大，防止同类型解
    mdl.add(marks[i] > marks[i - 1])

# 防止镜像解
mdl.add((marks[1] - marks[0]) < (marks[ORDER - 1] - marks[ORDER - 2]))

# 最小化标记点
mdl.add(mdl.minimize(marks[ORDER - 1]))