ortools探索记录（cp_model）

一、整体流程

from ortools.sat.python import cp_model
class MyModel:
	def run():
		"1. 数据采集"
		self.data_collect()
		"2. 创建模型"
		cpmodel = cp_model.CpModel()
		"3. 变量定义"
		self.variable_define(cpmodel)
		# 初始解给定
		# self.set_hint(cpmodel)
		"4. 添加约束"
		self.add_constrain(cpmodel)
		"5. 目标函数"
		self.obj_func(cpmodel)
		"6. 求解器"
		self.solver = self.get_solver()
		"7. 模型求解"
		status = self.model_solve(cpmodel, self.solver)
		"8. 结果输出"
		self.data_output(cpmodel, self.solver, status)

二、变量定义

创建bool变量和整数变量

a = model.NewIntVar(0, 100, '整数变量1')
b = model.NewBoolVar('布尔变量1')
c = model.NewBoolVar('布尔变量2')
d = model.NewBoolVar('布尔变量3')
# 用字典的方式快速创建多个变量
variable = {(i): model.NewIntVar(0, 100, '变量%i'%i) for i in range(10)}

三、添加约束

1. 基本约束

model.Add(a + 2 <= 1)

2. 条件约束

# if b为真，则a<=9。b为假时，a任意
model.Add(a <= 9).OnlyEnforceIf(b)

# 全等。b真a<=9,b假a>9
model.Add(a <= 9).OnlyEnforceIf(b)
model.Add(a > 9).OnlyEnforceIf(b.Not())

# c and d 为真则b为真，b为真则cand d 为真
model.Add(b).OnlyEnforceIf([c,d])
model.AddImplication(b, c)  # 如果b为真则c为真。b => c
model.AddImplication(b, d)

N、待完善

solution_printer是自定义的回调函数，可以不提供该参数。目前后两种调用方式已淘汰，只需要使用第一种方式即可。需要求解最优值时，给定目标函数，需要可行解时，不给定目标函数

求解结果输出：

solver.Value()  # 输出指定的求解值

self.Value()    # 在回调函数中直接输出指定的求解值

模型参数输出

print('  - conflicts       : %i' % solver.NumConflicts())
print('  - branches        : %i' % solver.NumBranches())
print('  - wall time       : %f ms' % solver.WallTime())  # 实际时间长度，包括被意外地堵塞后不在执行的时间
print('  - user time       : %f ms' % solver.UserTime())  # 用户态cpu消耗时间，执行总共花费时间

[未完待续]