cplex - CPLEX-OPL:新界限为 0,添加新约束时无结果
问题描述
我尝试在 CPLEX 12.8.0 上运行 MILP (OPL)。将此约束添加到模型并运行后,引擎日志如图所示,没有其他结果。我该如何解决这个问题?谢谢你。
EQ11 : // 1TruckPourAtSameCustomer&Time;
forall(c in customer, m in delivery : m > 1)
sum(k in truck, j in truck)
EP[k][j]*x[c][m-1][k][j] <=
sum(k in truck, j in truck)
SP[k][j]*x[c][m][k][j];
引擎日志
! ----------------------------------------------------------------------------
! Minimization problem - 94 variables, 143 constraints
! Presolve : 44 extractables eliminated
! TimeLimit = 600
! Initial process time : 0.00s (0.00s extraction + 0.00s propagation)
! . Log search space : 2,101.1 (before), 2,101.1 (after)
! . Memory usage : 521.5 kB (before), 521.5 kB (after)
! Using parallel search with 16 workers.
! ----------------------------------------------------------------------------
! Best Branches Non-fixed W Branch decision
0 94 -
+ New bound is 0
已编辑。
这是我的模型,预拌混凝土分配问题。它类似于作业车间调度问题。
using CP;
execute
{
cp.param.timelimit=600;
}
int c =...;
int m =...;
int k =...;
int j =...;
range customer = 1..c;
range delivery = 1..m;
range truck = 1..k;
range job = 1..j;
float Cost_Dist=...;
float Cost_Delay=...;
float Wash_T=...;
float Velocity=...;
float Pro_Rate=...;
float Demand[customer]=...;
float ETW[customer]=...;
float LTW[customer]=...;
float Unload_W[customer]=...;
float Unload_R[customer]=...;
float Dist_C[customer]=...;
float CAP[truck]=...;
float Access[customer][truck]=...;
dvar int+ Delay[customer];
dvar int+ Travel_C[customer];
dvar int+ SL[truck][job];
dvar int+ Dep_P[truck][job];
dvar int+ Arr_C[truck][job];
dvar int+ SP[truck][job];
dvar int+ EP[truck][job];
dvar int+ Arr_P[truck][job];
dvar int+ LQ[truck][job];
dvar int+ LT[truck][job];
dvar int+ UT[truck][job];
dvar boolean x[customer][delivery][truck][job];
//////////////////////////////////////////////////////////////////////;
minimize (Cost_Dist*2*(sum(c in customer, m in delivery, k in truck, j in job)
Dist_C[c]*x[c][m][k][j]))+
(Cost_Delay* (sum(c in customer)
Delay[c]));
//////////////////////////////////////////////////////////////////////;
subject to {
EQ2 : //AssignmentCM
forall(c in customer, m in delivery)
sum(k in truck, j in job)
x[c][m][k][j] <= 1 ;
EQ3 : //AssignmentKJ
forall(k in truck, j in job)
sum(c in customer, m in delivery)
x[c][m][k][j] <= 1 ;
EQ4 : //Access
forall(c in customer, m in delivery,k in truck, j in job)
x[c][m][k][j] <= Access[c][k];
EQ5 : //PrecedenceCM
forall(c in customer, m in delivery : m > 1)
sum(k in truck, j in job)
x[c][m][k][j] <=
sum(k in truck, j in job)
x[c][m-1][k][j];
EQ6 : //PrecedenceKJ
forall(k in truck, j in job : j > 1)
sum(c in customer, m in delivery)
x[c][m][k][j] <=
sum(c in customer, m in delivery)
x[c][m][k][j-1];
EQ7 : //Demand <= Supply
forall(c in customer)
Demand[c] <=
sum(m in delivery,k in truck, j in job)
LQ[k][j]*x[c][m][k][j];
EQ8 : //Load <= Capacity
forall(k in truck, j in job)
LQ[k][j] <= CAP[k];
EQ9 : //EarliestTimeWindow
forall(c in customer, m in delivery : m == 1)
ETW[c] <=
sum(k in truck, j in job)
SP[k][j]*x[c][m][k][j];
EQ11 : // 1TruckPourAtSameCustomerTime;
forall(c in customer, m in delivery : m > 1)
sum(k in truck, j in truck)
EP[k][j]*x[c][m-1][k][j] <=
sum(k in truck, j in truck)
SP[k][j]*x[c][m][k][j];
//-----------------TruckTimelineConstraints-----------------//
EQ14 : //StartLoad
forall(k in truck, j in job : j > 1)
SL[k][j] >= Arr_P[k][j-1];
EQ15 : //DepartPlant
forall(k in truck, j in job)
Dep_P[k][j] == SL[k][j]+LT[k][j];
EQ16 : //ArriveCustomer
forall(k in truck, j in job)
Arr_C[k][j] == Dep_P[k][j]+
sum(c in customer, m in delivery)
Travel_C[c]*x[c][m][k][j];
EQ17 : //StartPour
forall(k in truck, j in job)
SP[k][j] == Arr_C[k][j]+
sum(c in customer, m in delivery)
Unload_W[c]*x[c][m][k][j];
EQ18 : //EndPour
forall(k in truck, j in job)
EP[k][j] == SP[k][j]+UT[k][j];
EQ19 : //ArrivePlant
forall(k in truck, j in job)
Arr_P[k][j] == EP[k][j]+
sum(c in customer, m in delivery)
Travel_C[c]*x[c][m][k][j];
//-----------------VariableCalculations-----------------//
EQ21 : //TravelTimeP-C
forall(c in customer)
Travel_C[c] == ceil(Dist_C[c]/Velocity);
EQ22 : //ConcreteLoadingTime
forall(k in truck, j in job)
LT[k][j] == ceil(LQ[k][j]/Pro_Rate);
EQ23 : //ConcreteUnloadingTime
forall(k in truck, j in job)
UT[k][j] == ceil(
sum(c in customer, m in delivery)
(LQ[k][j]/Unload_R[c]*x[c][m][k][j]));
EQ24 : //Delay
forall(c in customer, m in delivery)
Delay[c] == maxl(0,ceil(sum(k in truck, j in job)
(Arr_C[k][j]-(LTW[c]*x[c][m][k][j]))));
}
和数据。
c=2;
m=3;
k=2;
j=3;
Cost_Dist=10;
Cost_Delay=10;
Wash_T=5;
Velocity=1.3;
Pro_Rate=1;
Demand=[15 15];
ETW=[60 90];
LTW=[300 600];
Unload_W=[5 5];
Unload_R=[0.5 0.5];
Dist_C=[5 10];
CAP=[5 5];
Access=
[[1 1]
[1 1]];
解决方案
这里的问题是它有时在约束编程中称为传播乒乓(循环)。约束传播从变量域中删除不可行的值。假设约束 c1 从 x 的域中删除值 1。因为 x 的域发生了变化,所以对 x 感兴趣的其他约束再次传播。让我们假设其中一个约束 c2 从 x 的域中删除值 2。这会触发增益约束 c1 删除值 3,然后 c2 删除值 4 等。根据 x 域的大小,c1 和 c2 之间的这个乒乓球可能很长。
当然,求解器会在预求解过程中尝试识别常见的乒乓源。但他们一般不能全部删除。
处理乒乓球有两种方法:
- 减小域的大小。那会更快地结束乒乓球。在您的示例中,我尝试将域限制为 0..10000,然后立即找到目标值为 900 的最佳解决方案。即不要只使用“dvar int+”,而是指定更小的域。
- 识别循环中的约束(它可能不仅仅是 2 个约束)并重塑这部分。例如,添加一个冗余约束,该约束在一个步骤中传播原始约束在循环中传播的内容。
方法 2. 虽然适用于专家,但它需要对求解器有相当的了解并深入了解您的模型。
推荐阅读
- java - 如何使用名称中的增量值以编程方式实例化新的 JSONObject
- javascript - POST 加载时显示 JAVASCRIPT 的问题
- c++ - 如何使 getline 命令在 while 循环中工作?
- c++ - 如何在没有控制台窗口的情况下运行 qt 控制台应用程序?
- xamarin - MSBuild 不在 bin 文件夹中生成 dll 文件
- unity3d - Unity:让一个图块占据更多的网格单元格
- python-3.x - 如何将日期转换为日期时间
- javascript - 将平面定义的树转换为深度树,JavaScript
- c# - 如何阻止结构图从会话中返回不正确的对象?
- r - 线性方程无法求解?