[cplex教程]cp问题系列9

最新推荐文章于 2024-10-15 19:28:18 发布

wlgtcl

最新推荐文章于 2024-10-15 19:28:18 发布

阅读量657

点赞数 22

文章标签：算法 python 数学建模

本文链接：https://blog.csdn.net/wlgtcl/article/details/138647131

版权

文章目录

- 钢厂板坯设计问题
- - 问题描述
  - 代码与解析

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

cplex系列1的链接为:https://blog.csdn.net/wlgtcl/article/details/137999127?spm=1001.2014.3001.5502
cplex系列2的链接为:https://blog.csdn.net/wlgtcl/article/details/138037571?spm=1001.2014.3001.5502
cplex系列3的链接为:https://blog.csdn.net/wlgtcl/article/details/138091170?spm=1001.2014.3001.5502
cplex系列4的链接为:https://blog.csdn.net/wlgtcl/article/details/138525911?spm=1001.2014.3001.5501
cplex系列5的链接为:https://blog.csdn.net/wlgtcl/article/details/138539016?spm=1001.2014.3001.5501
cplex系列6的链接为:https://blog.csdn.net/wlgtcl/article/details/138562705?spm=1001.2014.3001.5502
cplex系列7的链接为:https://blog.csdn.net/wlgtcl/article/details/138610919?spm=1001.2014.3001.5502
cplex系列8的链接为:https://blog.csdn.net/wlgtcl/article/details/138617200?spm=1001.2014.3001.5501

钢厂板坯设计问题

作者对于下面概念的描述比较混乱，注意区分
- 规格/重量/尺寸/size/weight是一个意思
- 颜色/品类是一个意思

问题描述

以题中样例做解释
- 给定一组重量固定的半成品钢板，size(这里指的是重量，下面说的重量与尺寸是一个意思，表示一种规格)有以下选择：[11, 13, 16, 17, 19, 20, 23, 24, 25, 26, 27, 28, 29, 30, 33, 34, 40, 43, 45]
- 再给定一组成品钢板的订单
  - (Order( 1, 22, 5),
    Order( 2, 9, 3),
    Order( 3, 9, 4),
    Order( 4, 8, 5),
    Order( 5, 8, 7),
    Order( 6, 6, 3),
    Order( 7, 5, 6),
    Order( 8, 3, 0),
    Order( 9, 3, 2),
    Order(10, 3, 3),
    Order(11, 2, 1),
    Order(12, 2, 5))
- 表示编号/重量/color，color表示成品钢板的品类
- 现在每种规格半成品钢板不限量，用于制造上述成品钢板的订单，要求：
  - 每个成品钢板的订单只能由一块半成品钢板来做
  - 多个成品订单可以由同一块半成品钢板来做
  - 一个半成品钢板只最多能用于制作两种颜色(下面颜色与品类表示一个意思)的成品钢板
  - 成品钢板的制作重量(尺寸)不能超过所用的单个半成品钢板的重量(假如选定了几个订单要用某个半成品钢板做，这几个订单的重量不过超过这个钢板的重量)
- 要求：制作完所有的订单，在满足上面约束的基础上剩余的半成品钢板重量(剩余物料)最小

代码与解析

导包

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

数据定义
- ORDERS表示订单
- MAX_COLOR_PRE_SLAB表示每块半成品钢板最多用于多少种颜色的成品钢板制作
- AVAILABLE_SLAB_WEIGHTS表示能用的半成品钢板的重量(规格)
- loss解析：由题干可知，订单中要生产的成品钢板重量不可能超过最重的半成品，要不然问题无解，所以loss考虑了当生产的成品钢板重量小于等最大的半成品钢板重量max_时的所有损失情况，即从假设成品钢板重量为1开始遍历到假设成品钢板重量为max_时，用目前可选的半成品钢板AVAILABLE_SLAB_WEIGHTS制作成品钢板所产生的最小缺失。

Order = namedtuple("Order", ['id', 'weight', 'color'])
ORDERS = (
            Order( 1, 22, 5),
            Order( 2,  9, 3),
            Order( 3,  9, 4),
            Order( 4,  8, 5),
            Order( 5,  8, 7),
            Order( 6,  6, 3),
            Order( 7,  5, 6),
            Order( 8,  3, 0),
            Order( 9,  3, 2),
            Order(10,  3, 3),
            Order(11,  2, 1),
            Order(12,  2, 5)
         )
         
MAX_COLOR_PER_SLAB = 2

AVAILABLE_SLAB_WEIGHTS = [11, 13, 16, 17, 19, 20, 23, 24, 25,
                          26, 27, 28, 29, 30, 33, 34, 40, 43, 45]
MAX_SLABS = len(ORDERS)

allcolors = set(o.color for o in ORDERS)

max_slab_weight = max(AVAILABLE_SLAB_WEIGHTS)

loss = [0] + [min([sw - use for sw in AVAILABLE_SLAB_WEIGHTS if sw >= use]) for use in range(1, max_slab_weight + 1)]

模型实例化与变量定义
- production_slab表示每个成品钢板使用的半成品钢板的索引，这个索引是指组的索引，具体的说多个订单可以用一个半成品钢板，所以这几个订单的编号是一样的，它们形成一个组，本变量就是这个组的索引
- slab_use表示每个成品钢板用的半成品钢板的量

mdl = CpoModel()

production_slab = mdl.integer_var_list(len(ORDERS), 0, MAX_SLABS - 1, "production_slab")

slab_use = mdl.integer_var_list(MAX_SLABS, 0, max_slab_weight, "slab_use")

mdl.pack实现一种特殊的约束—“打包”约束。组合优化问题中，打包约束经常用于描述如何将一系列物品（在这里是订单）分配到有限数量的容器（这里指半成品）中，同时满足每个容器的容量限制。
- 分配订单到半成品钢板：它确保每个订单（在这里为重量）都被分配到一个半成品钢板上。分配是通过决策变量 production_slab 完成的，这个变量指定了每个订单应该使用哪个半成品上(即上面所说的组，千万不能理解成了半成品钢板的重量列表的编号)。
- 满足容量限制：mdl.pack 还确保每个半成品上的订单总重量不超过半成品的容量。这是通过检查 slab_use 变量（它表示每个半成品的使用情况）来实现的。
- 创建打包约束：mdl.pack 在模型中添加了一个或多个约束，这些约束确保上述两个条件都得到满足。这些约束是隐式添加的，不需要显式地写出每个半成品的容量约束。

mdl.add(mdl.pack(slab_use, production_slab, [o.weight for o in ORDERS]))

保证一个组内所有的成品钢板颜色数量不超过MA_COLOR_PRE_SLAB
- 对代码做个说明，先看第二层for，对于一种颜色c，遍历所有的订单，如果当前订单颜色为c，做lo |= (production_slab[i] == s)，即如果production_slab[i] == s成立(此时当前订单被分到组s中了)，su=True=1，，如果遍历完所有订单没有出现o.color == c或(production_slab[i] == s)成立，则当前组内不存在与颜色c相关的钢板
- 当遍历完所有的c，su就保存了s这一个组中的所有颜色变量的数量，需要满足不能超过MAX_COLOR_PRE_SLAB = 2的约束
- 因此当遍历完最外层的for，则对每个组都进行了这种限制

for s in range(MAX_SLABS):
   su = 0
   for c in allcolors:
       lo = False
       for i, o in enumerate(ORDERS):
           if o.color == c:
               lo |= (production_slab[i] == s)
       su += lo
   mdl.add(su <= MAX_COLOR_PER_SLAB)

计算损失
- loss变量已经提前算好了，表示成品钢板重量在最大非成品钢板范围内的各种情况(loss中有一些情况是不存在的)，total_loss就是把这些存在情况的缺失加到一起，再进行最小化
- 注意mdl.element的用法，参数顺序可以任意
- mdl.search_phase(production_slab) 创建了一个搜索阶段，指定了求解器在求解时应优先考虑 production_slab 决策变量列表。这意味着求解器将首先尝试确定每个订单应该使用哪个半成品钢板，然后再考虑其他决策变量和约束。
- mdl.set_search_phases 方法用于设置模型的搜索阶段。搜索阶段定义了求解器在寻找最优解时应遵循的搜索策略，包括决策变量的搜索顺序、分支策略等。

total_loss = sum([mdl.element(slab_use[s], loss) for s in range(MAX_SLABS)])
mdl.add(mdl.minimize(total_loss))

mdl.set_search_phases([mdl.search_phase(production_slab)])

求解与结果展示

print("Solving model....")
msol = mdl.solve(FailLimit=100000, TimeLimit=10, agent='local',
                 execfile=r'C:\Program Files\IBM\ILOG\CPLEX_Enterprise_Server1210\CPLEX_Studio\cpoptimizer\bin\x64_win64\cpoptimizer.exe')

if msol:
    print("Solution: ")
    for s in set(msol[ps] for ps in production_slab):
        lordrs = [o for i, o in enumerate(ORDERS) if msol[production_slab[i]] == s]
        used_weight = msol[slab_use[s]]          
        loss_weight = loss[used_weight]          
        colors = set(o.color for o in lordrs)    
        loids = [o.id for o in lordrs]           
        print("Slab weight={}, used={}, loss={}, colors={}, orders={}"
              .format(used_weight + loss_weight, used_weight, loss_weight, colors, loids))
else:
    print("No solution found")