Or-Tools CP-SAT Solver Export / Import: comment accéder aux variables après le chargement d'un modèle?
En utilisant l'interface Python avec le solveur OR-Tools CP-CAT (référence) , je voudrais pouvoir enregistrer un cp_model, le charger ultérieurement ou à partir d'un processus différent, et continuer à interagir avec lui.
Je suis capable de sérialiser un modèle dans un Protubuf, puis de le charger et de le résoudre:
from google.protobuf import text_format
from ortools.sat.python import cp_model
def create_model():
model = cp_model.CpModel()
a = model.NewIntVar(0, 10, "var_a")
b = model.NewIntVar(0, 10, "var_b")
model.Maximize(a + b)
return model
def clone_model(model):
new_model = cp_model.CpModel()
text_format.Parse(str(model), new_model.Proto())
return new_model
def solve_model(model):
solver = cp_model.CpSolver()
status = solver.Solve(new_model)
print(solver.StatusName(status))
print(solver.ObjectiveValue())
# Works fine
model = create_model()
new_model = clone_model(model)
solve_model(new_model)
(la source)
Cependant, je souhaite continuer à interagir avec le modèle après son chargement. Par exemple, je veux pouvoir faire quelque chose comme:
model = create_model()
new_model = clone_model(model)
c = new_model.NewIntVar(0, 5, "var_c")
new_model.Add(a < c)
Le problème est que cette dernière ligne ne fonctionne pas car elle a
n'est pas définie; et je n'ai trouvé aucun moyen d'accéder aux variables du modèle existant.
Je recherche quelque chose comme: a = new_model.getExistingVariable("var_a")
qui me permettra de continuer à interagir avec des variables préexistantes dans le modèle après son chargement.
Réponses
Une approche qui semble fonctionner, basée sur un commentaire de @Stradivari, consiste simplement à utiliser pickle
le modèle avec ses variables.
Par example:
from ortools.sat.python import cp_model
import pickle
class ClonableModel:
def __init__(self):
self.model = cp_model.CpModel()
self.vars = {}
def create_model(self):
self.vars['a'] = self.model.NewIntVar(0, 10, "var_a")
self.vars['b'] = self.model.NewIntVar(0, 10, "var_b")
self.model.Maximize(self.vars['a'] + self.vars['b'])
# Also possible to serialize via a file / over network
def clone(self):
return pickle.loads(pickle.dumps(self))
def solve(self):
solver = cp_model.CpSolver()
status = solver.Solve(self.model)
return '%s: %i' % (solver.StatusName(status), solver.ObjectiveValue())
Maintenant, ce qui suit fonctionne comme prévu:
model = ClonableModel()
model.create_model()
new_model = model.clone()
new_model.model.NewIntVar(0,5,"c")
new_model.model.Add(new_model.vars['a'] < c)
print('Original model: %s' % model.solve())
print('Cloned model: %s' % new_model.solve())
# Original model: OPTIMAL: 20
# Cloned model: OPTIMAL: 14