Eksport / import solwera Or-Tools CP-SAT: jak uzyskać dostęp do zmiennych po załadowaniu modelu?

Dec 08 2020

Korzystając z interfejsu Pythona do solwera OR-Tools CP-CAT (odniesienie) , chciałbym mieć możliwość zapisania cp_model, załadowania go później lub z innego procesu i kontynuowania interakcji z nim.

Jestem w stanie serializować model do Protubuf, a następnie załadować i rozwiązać go:

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)

(źródło)

Chciałbym jednak kontynuować interakcję z modelem po jego załadowaniu. Na przykład chcę móc zrobić coś takiego:

model = create_model()
new_model = clone_model(model)

c = new_model.NewIntVar(0, 5, "var_c")    
new_model.Add(a < c)

Problem polega na tym, że ta ostatnia linia nie działa, ponieważ anie jest zdefiniowana; i nie mogłem znaleźć żadnego sposobu, aby uzyskać dostęp do zmiennych istniejącego modelu.

Szukam czegoś takiego: a = new_model.getExistingVariable("var_a")co pozwoli mi na interakcję z istniejącymi wcześniej zmiennymi w modelu po jego załadowaniu.

Odpowiedzi

2 etov Dec 08 2020 at 23:41

Podejście, które wydaje się działać, oparte na komentarzu @Stradivari, polega po prostu picklena modelu wraz ze zmiennymi.

Na przykład:

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())

Teraz działa zgodnie z oczekiwaniami:

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