[cplex教程]cp问题系列1

前言：cplex的安装教程已经发布在 前面的内容中了，可自行领取
本系列以官方examples为主导，讲解官方examples所涉及的问题以及代码，旨在学习官方给出的例子，熟练使用cplex并且能够解决真实场景下的问题

第一部分，约束规划问题(cp)

四色问题

问题描述

• 为地图上的国家选择颜色，最多使用四种颜色（蓝色、白色、黄色、绿色），没有邻国是相同的颜色。以下例子中对欧洲的六个国家的地图进行着色：比利时、丹麦、法国、德国、卢森堡和荷兰(可打开欧洲地图查看关系)，问题比较简单，不多叙述。
• 欧洲图片

代码

• 首先导包并且实例化对象

from docplex.cp.model import CpoModel
mdl = CpoModel()

• 给优化问题添加优化变量，integer_val用于给优化问题添加整数变量，三个参数分别为最小值/最大值以及名称，四种颜色用0，1，2，3代替

Belgium = mdl.integer_var(0, 3, 'Belgium')
Denmark = mdl.integer_var(0, 3, 'Denmark')
France = mdl.integer_var(0, 3, 'France')
Germany = mdl.integer_var(0, 3, 'Germany')
Luxembourg = mdl.integer_var(0, 3, 'Luxembourg')
Netherlands = mdl.integer_var(0, 3, 'Netherlands')

• 添加约束条件，此约束条件可以查看欧洲地图，相邻国家不可用相同颜色

mdl.add(Belgium != France)
mdl.add(Belgium != Germany)
mdl.add(Belgium != Netherlands)
mdl.add(Belgium != Luxembourg)
mdl.add(Denmark != Germany)
mdl.add(France != Germany)
mdl.add(France != Luxembourg)
mdl.add(Germany != Luxembourg)
mdl.add(Germany != Netherlands)

• 求解问题，注意此处在原始cplex_example中代码为msol = mdl.solve(TimeLimit=10)是不能运行的，要改到本地运行，求解器路径由execfile接收，路径作为参考，根据个人安装目标更改

msol = mdl.solve(
    TimeLimit=10,
    agent='local',
    execfile=r'C:\Program Files\IBM\ILOG\CPLEX_Enterprise_Server1210\CPLEX_Studio\cpoptimizer\bin\x64_win64\cpoptimizer.exe'
)

• 打印结果。msol如果求解失败会返回False，此处做个判断，并根据求解结果还原color，逻辑较为简单不多赘述

ALL_COUNTIES = (Belgium, Denmark, France, Germany, Luxembourg, Netherlands)
if msol:
    print(msol.get_solve_status())
    colors = ('Yellow', 'Red', 'Green', 'Blue')
    for country in ALL_COUNTIES:
        print(country.get_name() + ':', end=' ')
        print(colors[msol[country]])
else:
    print("No solution found")

资源调度问题

问题描述

• 一家公司有8家商店。
• 每个商店必须由一个仓库提供货物。
• 该公司在5个可能的地点(待选)建立供应仓库：波恩、波尔多、伦敦、巴黎和罗马。
• 不同地点建立仓库有不同的供给能力。在波尔多或罗马建造的仓库只能供应一家商店；在伦敦建一个仓库可以供应两家商店；在波恩建造的一个仓库可以供应三个仓库；在巴黎建一个仓库可以供应四家商店。
• 每个商店的供应成本各不相同，具体取决于由哪个仓库供应。例如，位于巴黎的一家商店如果由同样位于巴黎的仓库供应，供应成本会很低。如果由其他仓库供应，同一家商店的供应成本会高得多。
• 建造仓库的成本因仓库位置而异。
• 目标：找到最具成本效益的方案来解决这个问题，同时确保每个商店都由一个仓库提供。

代码与模型描述

• 导包

from docplex.cp.model import CpoModel
from collections import namedtuple

• 添加数据。数据描述: 5个城市可以用来建仓库，WAREHOUSES用来表示城市信息，三个属性分别为城市名/城市容量(建仓库的情况下能够供给的商店数量)以及如果在当前城市建仓库所消耗的代价；8个商店，数据形成一个2维矩阵，SUPPLY_COST${}_{ij}$表示第$i$个商店由第$j$个城市的仓库供货所消耗的代价

Warehouse = namedtuple(
    'Wharehouse', ('city', 'capacity', 'cost')
)

WAREHOUSES = (Warehouse("Bonn",     3, 480),
              Warehouse("Bordeaux", 1, 200),
              Warehouse("London",   2, 320),
              Warehouse("Paris",    4, 340),
              Warehouse("Rome",     1, 300))
NB_WAREHOUSES = len(WAREHOUSES)

NB_STORES = 8

SUPPLY_COST = ((24, 74, 31, 51, 84),
               (57, 54, 86, 61, 68),
               (57, 67, 29, 91, 71),
               (54, 54, 65, 82, 94),
               (98, 81, 16, 61, 27),
               (13, 92, 34, 94, 87),
               (54, 72, 41, 12, 78),
               (54, 64, 65, 89, 89))

• 实例化模型并添加变量。integer_var_list与integer_var功能相同，只是前者能够同时创建多个变量，supplier一共8个变量，表示由第几个城市的仓库供货，变量范围为[0, 5]表示5个城市的代号；open变量表示要不要在当前城市建仓库，由0/1决定

mdl = CpoModel()
supplier = mdl.integer_var_list(NB_STORES, 0, NB_WAREHOUSES - 1, 'supplier')
open = mdl.integer_var_list(NB_WAREHOUSES, 0, 1, 'open')

• 约束条件。element为下标的功能，例如element(a[i], j)就表示$a_{ij}$, element(a, i)表示$a_i$
  • 首先第一个for循环表示 open${}_s$=1，对这个约束做个说明，由于$s$是supplier中的一个变量，即由上述的定义可知$s$的值域$\in [0,4]$， 假如$s=0$，说明$s$对应的商店由第一个城市的仓库供给，这时第一个城市就需要建仓库，但是此时还没有求解，具体哪个城市建仓库还不知道，只是用这个约束定义该例的情况。这个理解有一些抽象，可以从结果论角度出发理解：如果$s$求出是某个值，则对应的城市就必须建仓库，于是就形成了这样的一个等式约束。
  • 第二个for循环比较好理解，表示一个仓库供应的商店个数不超过自身的容量的限制
  • 最后的部分理解起来也比较简单：首先scal_prod其实类似于向量内积(cplex中的这些操作其实还未发生，在求解之前只是定义了此种行为)，即${\sum }_{i=0}^{4}ope{n}_i\ast w_i.cost$，这一部分表示建仓库所花费的代价。for循环是在计算由仓库供给给商店所花的代价。直接加上上面的2维矩阵对应数据即可

for s in supplier:
    mdl.add(mdl.element(open, s) == 1)

for wx in range(NB_WAREHOUSES):
    mdl.add(mdl.count(supplier, wx) <= WAREHOUSES[wx].capacity)

total_cost = mdl.scal_prod(open, [w.cost for w in WAREHOUSES])
for sx in range(NB_STORES):
    total_cost = total_cost + mdl.element(supplier[sx], SUPPLY_COST[sx])

• 增加目标函数。本例是有目标函数的，即最小化代价

mdl.add(mdl.minimize(total_cost))

• 求解。同样照上例更改mdl.solve，求解完后变量都可以用mdl进行调用，打印结果即可

msol = mdl.solve(
    TimeLimit=10,
    agent='local',
    execfile=r'C:\Program Files\IBM\ILOG\CPLEX_Enterprise_Server1210\CPLEX_Studio\cpoptimizer\bin\x64_win64\cpoptimizer.exe'
)

if msol:
    for wx in range(NB_WAREHOUSES):
        if msol[open[wx]] == 1:
            print("城市'{}'建立仓库并供应商店{}".format(
                WAREHOUSES[wx].city, ','.join(str(sx) for sx in range(NB_STORES) if msol[supplier[sx]] == wx)
            ))
        print(f'花费为: {msol.get_objective_values()[0]}')
else:
    print("No solution")

• 结果
  城市'Bonn'建立仓库并供应商店2,5,7
城市'Bordeaux'建立仓库并供应商店3
城市'Paris'建立仓库并供应商店0,1,4,6
花费为: 1383