我有一个优化问题,我写了一个 python 程序来解决它。我将 Pulp 与 CPLEX 求解器结合使用:
import pulp
prob = LpProblem("myProblem", LpMinimize)
x = pulp.LpVariable.dicts("p", range( K ), 0, 1, pulp.LpContinuous)
prob += pulp.lpSum( x[k] for k in range( K ) )
...
# Rest of the constraints
status = prob.solve( pulp.CPLEX( msg = 0 ) )
我得到错误:
File "C:\Anaconda\lib\site-packages\pulp\solvers.py", line 468, in readsol
raise PulpSolverError, "Unknown status returned by CPLEX: "+statusString
pulp.solvers.PulpSolverError: Unknown status returned by CPLEX: infeasible
我的问题是:如何测试问题是否不可行?我想阻止这个事件,比如如果问题不可行则返回 0。
我试过了:
if prob.status == 'infeasible':
...
我试过了
if pulp.LpStatusInfeasible == 'infeasible':
...
最佳答案
您的“问题”是确定给定的问题实例是否可行,或者您是否真的对可行的解决方案感兴趣。我不会仅仅在模型不可行时捕获错误,而是会检查您的问题并尝试添加一些松弛变量和惩罚成本,以便在问题不可行时为您提供更多信息。
所以与其添加像
这样的硬约束sum(x) <= K
你可以尝试类似的东西
sum(x) <= K + penaltyVar
并在您的目标中添加一个术语,例如 1000000 * penaltyVar,这样求解器就真的不想将该惩罚变量用作非零值。
在模型的不同位置添加这些松弛/惩罚变量可以帮助确定约束太紧以及使模型不可行的地方。
不过,不要只是忽略上面的答案,因为捕获错误仍然很有值(value)。
关于python - 如何防止 PuLP 和 python 出现不可行错误?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34581299/