使用 Pulp 进行线性规划（优化）

Question

我想问你一些关于优化线性程序的问题。我已经成功设置了模型。但是，我在设置元启发式算法以减少计算时间时遇到问题。基本的优化模型可以在这里看到：

在元启发式算法中有一个while循环，其条件如下：
while $ \sum_{i=1}^I b_i y_i \leq \sum_{k=1} ^K q_k $ 做

我试图用下面的代码来实现这个条件：

while lpSum(b[i]*y[i] for i in I)<=lpSum(q[k] for k in K): 

如果分别计算这两个总和，我会得到两者的正确结果。但是，当我将它们置于这种条件下时，代码会进入无限循环，即使条件得到满足并且它应该中断循环。我想这与数据类型有关，并且参数不能是LpAffineExpression。但是，我真的很难理解这个问题。

我希望您能理解我的问题，并且非常感谢您的想法和解释！如果您需要有关特定内容的更多信息，请告诉我 - 很抱歉成为初学者。

非常感谢提前和最好的问候， 伯恩哈德

Answer 1

lpSums 没有值，就像常规 sum 一样。

任何 Python 对象都可以使用诸如__eq__ 之类的内置方程与其他对象进行比较。这就是我可以说date(2000, 1, 1) < date(2000, 1, 2)。但是，lpAffineExpressionss（lpSums 是其中的一种）旨在用于约束。它们的内容是变量，由 LP 求解器求解，因此它们还没有任何值。

因此lpSum(x) <= lpSum(y) 的返回值不是真或假，就像正规方程一样，但它是一个方程。并且等式不是None，或False，或任何其他虚假值。你所说的等同于while <some object>:，这始终是正确的。因此你的无限循环。

---

我不知道“使用元启发式算法来减少计算时间”在这种情况下意味着什么 - 也许您运行 LP 求解器的几次迭代，然后在结果上使用您的元启发式算法。

如果是这种情况，请使用b[i].value() 获取变量b[i] 在该解决方案中给出的值，并确保以常规总和计算总和。