python使用Cplex和docplex求解整数规划（0-1规划）

问题

分别使用Cplex和docplex解决整数规划问题，本次拟解决的问题是经典的0-1背包问题，以下是问题的模型，大家需要的时候可以代入自己的模型。

接下来直接展示代码，详细的介绍在代码中。

Cplex求解

import cplex
model = cplex.Cplex()
# 定义决策变量的集合，这样写会使代码变简洁
set_decision_var = range(n)
num_constraints = 1
constraint_type = ["L"]
# 0-1背包问题参数设定
b = [9]
n = 4
a = [[2,3,6,5]]
c = [6,3,5,4]

# 创建决策变量
x = model.variables.add(names= ["x_"+str(i) for i in set_decision_var], 
                        lb=[0 for _ in set_decision_var], 
                        ub=[1 for _ in set_decision_var],
                        types=["B" for _ in set_decision_var ])  #Binary 如果是整数变量tyres设置为"I"

# 定义目标函数
model.objective.set_linear(zip(x, c))  # zip将对应的系数和变量组合，简化代码
model.objective.set_sense(model.objective.sense.maximize)

# 添加约束，和线性规划一样
for i in range(num_constraints):
    model.linear_constraints.add(
        lin_expr= [cplex.SparsePair(ind= ["x_"+str(j) for j in set_decision_var], val= a[i])],
        rhs= [b[i]],
        names = ["c"+str(i)],
        senses = [constraint_type[i]]
    )
        

# 解决模型
model.solve()

# print("Solution status = ", model.solution.get_status())
print("cost: " + str(model.solution.get_objective_value()))
print("soluetion" + str(model.solution.get_values()))

求解结果如图：

docplex求解

from docplex.mp.model import Model  #导出库，只用这一个就够了
import numpy as np

# 0-1背包问题参数设定
b = [9]
n = 4
a = np.array([[2,3,6,5]])
c = [6,3,5,4]
set_decision_var = range(n)
num_constraints = 1
constraint_type = ["L"]

model = Model() #创建模型

# 添加决策变量
var_list = [i for i in set_decision_var] #创建列表
X = [model.binary_var(name='y{}'.format(i)) for i in set_decision_var] # 二值变量只能一个个创建， 整数变量 model.integer_var

# 定义目标函数
objective = model.sum(X[i] * c[i] for i in set_decision_var)
# for maximization
model.maximize(objective)

#添加约束条件
model.add_constraint(
    ct=model.sum(a[0,j] * X[j] for j in set_decision_var) <= b[0],
    ctname="constraint_0")

sol = model.solve() #求解模型

print(sol)  #打印结果

求解两者结果类似。