纸浆需要太多时间来解决

Question

我正在尝试使用 Pulp Solver 将物品打包到卡车中，当物品数量很少（即

这是纸浆求解器的代码：

def allocator(item_mass, item_vol, truck_mass, truck_vol, truck_cost, id_series):
    n_items = len(item_vol)
    set_items = range(n_items)
    n_trucks = len(truck_cost)
    set_trucks = range(n_trucks)


    y = pulp.LpVariable.dicts('truckUsed', set_trucks,
        lowBound=0, upBound=1, cat=LpInteger)

    x = pulp.LpVariable.dicts('itemInTruck', (set_items, set_trucks), 
        lowBound=0, upBound=1, cat=LpInteger)

    # Model formulation
    prob = LpProblem("Truck allocation problem", LpMinimize)

    # Objective
    prob += lpSum([truck_cost[i] * y[i] for i in set_trucks])
    # Constraints
    for j in set_items:
        # Every item must be taken in one truck
        prob += lpSum([x[j][i] for i in set_trucks]) == 1

    for i in set_trucks:
        # Respect the mass constraint of trucks
        prob += lpSum([item_mass[j] * x[j][i] for j in set_items]) <= truck_mass[i]*y[i]

        # Respect the volume constraint of trucks
        prob += lpSum([item_vol[j] * x[j][i] for j in set_items]) <= truck_vol[i]*y[i]
    # Ensure y variables have to be set to make use of x variables:
    for j in set_items:
        for i in set_trucks:
            x[j][i] <= y[i]

    s = id_series  # id_series

    prob.solve()

是不是我做错了什么？

这是 jupyter 笔记本和测试文件的 link。

Answer 1

默认情况下，您使用的是开源 MIP 求解器 CBC。
2 种可能的方法：

1. 使用更好的求解器，例如 CPLEX 或 GUROBI（商业用途，但对学生和学者免费）。 PuLP 为它们提供了一个 API。
2. 您需要最佳解决方案吗？如果不是这种情况，请设置时间限制。

例子：

prob.solve(pulp.COIN(maxSeconds=your_time_limit))

Answer 2

我怀疑您的问题过于对称。即有多辆完全相同的卡车。

当这种情况发生时，CBC 会花时间寻找“最佳”解决方案。

你有两个选择：

• 设置时间限制或绑定间隙，这将提前退出求解过程，但仍返回“好”解。

• 设置次要成本函数以使事物不那么对称，即希望将编号最小的物品分配给编号最小的卡车。这种对称性在 gurobi 等商业求解器中自动发生。