Nag*_*mon 5 python constraints constraint-programming
我有一个约束问题,我试图用python-constraint解决
所以假设我有3个位置: loc1,...loc3
另外,我有7个设备: device1,...device7
每个位置的最大设备数量:( loc1:3, loc2:4, loc3:2
例如最多3个设备loc1等等......)
以及有关位置和设备的一些限制:
loc1: device1, device3, device7,
loc2: device1, device3, device4, device5, device6, device7
loc3: device2, device4, device5, device6
(仅作为示例device1,device3也device7可以是loc1.)
我正在尝试为位置设备提供一组可能的选项.
from constraint import *
problem = Problem()
for key in locations_devices_dict:
problem.addVariable(key,locations_devices_dict[key])
# problem.addVariable("loc1", ['device1', 'device3', 'device7'])
problem.addConstraint(AllDifferentConstraint())
Run Code Online (Sandbox Code Playgroud)
我一直坚持如何做约束.我试过了:
problem.addConstraint(MaxSumConstraint(3), 'loc1')
Run Code Online (Sandbox Code Playgroud)
但它不起作用,MaxSumConstraint不总结我需要的东西.
所有设备必须放在某处
解决方案:
loc1: device1, device3
loc2: device4, device6, device7
loc3: device2, device5
Run Code Online (Sandbox Code Playgroud)
有人有想法吗?
(另一个python包/不使用任何包,如果有人有任何建议也是个好主意...)
这是一个简单的类似赋值的模型:
所以我们有一个二进制变量来指示设备d是否分配给位置L。线性约束就是:
allowed(L,d))这个问题可以通过任何约束求解器来处理。
枚举所有可能的解决方案有点危险。对于大型实例来说,数量太多了。即使对于这个小问题,我们也已经有 25 个解决方案:
对于大问题,这个数字将是天文数字。
使用 Python 约束包,这可能看起来像:
from constraint import *
D = 7 # number of devices
L = 3 # number of locations
maxdev = [3,4,2]
allowed = [[1,3,7],[1,3,4,5,6,7],[2,4,5,6]]
problem = Problem()
problem.addVariables(["x_L%d_d%d" %(loc+1,d+1) for loc in range(L) for d in range(D) if d+1 in allowed[loc]],[0,1])
for loc in range(L):
problem.addConstraint(MaxSumConstraint(maxdev[loc]),["x_L%d_d%d" %(loc+1,d+1) for d in range(D) if d+1 in allowed[loc]])
for d in range(D):
problem.addConstraint(ExactSumConstraint(1),["x_L%d_d%d" %(loc+1,d+1) for loc in range(L) if d+1 in allowed[loc]])
S = problem.getSolutions()
n = len(S)
n
Run Code Online (Sandbox Code Playgroud)
对于大问题,您可能需要使用字典来加快速度。