Ograniczenia półciągłe w CPLEX Python

Question

Mam problem optymalizacji półciągłej przeformułowany jako problem optymalizacji MIQP.

Mój cel ma formę kwadratową $x^{T}Qx$ i mój $x_{i}$ są takie jak $x_{i} \in [m,M] \cup \{0\}$. Dlatego wprowadzam wektor zmiennych binarnych$y$ Jak na przykład $y_{i} \in \{0,1\}$ i rozważ następujące ograniczenie $x_{i}$ : $m * y_{i} \leq x_{i} \leq M * y_{i}$.

Mój problem optymalizacji jest zatem zdefiniowany przez funkcję celu, ograniczenie zakresu na $x_{i}$ i ograniczenie binarne na $y_{i}$.

Próbuję rozwiązać mój problem z CPLEX, ale mam problem z określeniem ograniczenia zasięgu w $x_{i}$. Oto, co mam do tej pory dla ograniczeń:

myProblem=cplex.Cplex()

#define the variables
names_amounts=["amounts " + str(i) for i in range(50))]
names_binary=["binary " + str(i) for i in range(50))]
myProblem.variables.add(ub=[1]*50,
                        lb=[0]*50,
                        names=names_amounts)
myProblem.variables.add(ub=[1]*50,
                        lb=[0]*50,
                        names=names_binary)
for i in range(50):
    myProblem.variables.set_types("amounts " + str(i), myProblem.variables.type.continuous)
    myProblem.variables.set_types("binary " + str(i), myProblem.variables.type.integer)

#define the constraints
myProblem.linear_constraints.add(
        lin_expr=[[names_amounts,[1]*50]],
        senses=['E'],
        rhs=[1.0])

Muszę dodać ograniczenie dystansowe, ale nie wiem, jak to zrobić. Wiem, że mój sensesatrybut się zmieni, ['E'] + ['R' for i in range(50)]ale co z atrybutami lin_expri rhs? Jak określić zależność rhsatrybutu od zmiennych binarnych?

Answer 1

jest to całkiem łatwe dzięki docplex python API:

pozwól mi się zmienić

https://github.com/AlexFleischerParis/zoodocplex/blob/master/zoosemiinteger.py

z

https://www.linkedin.com/pulse/making-optimization-simple-python-alex-fleischer/

na półciągłe

from docplex.mp.model import Model

# original model

mdl = Model(name='buses')
nbbus40 = mdl.semicontinuous_var(4,20,name='nbBus40')
nbbus30 = mdl.semicontinuous_var(4,20,name='nbBus30')
mdl.add_constraint(nbbus40*40 + nbbus30*30 >= 300, 'kids')
mdl.minimize(nbbus40*500 + nbbus30*400)

mdl.solve()

for v in mdl.iter_semicontinuous_vars():
    print(v," = ",v.solution_value