为什么 or-tools 中的布尔变量不起作用？

Question

我正在重新使用 Google 的 OR 工具并尝试（相对）简单的优化。我正在使用 CP SAT 求解器，但我可能在这里遗漏了一些基本内容。我有一些变量 x、y 和一些常量 c。如果 y 小于 c，我希望 x 等于 1，否则等于 0。

from ortools.sat.python import cp_model

solver = cp_model.CpSolver()
model = cp_model.CpModel()
c = 50
x = model.NewBoolVar(name='x')
y = model.NewIntVar(name='y', lb=0, ub=2**10)

model.Add(x == (y < c))

model.Maximize(x+y)

status = solver.Solve(model)

我收到一条错误消息

TypeError: bad operand type for unary -: 'BoundedLinearExpression'

看来我在这里滥用 OR 工具语法来限制我的约束。我很难理解在线 OR 工具的文档，而且我似乎忘记的东西比我想象的要多得多。

Answer 1

根据这里的一个例子，你就快到了。

构建x == (y < c)约束

情况1：x = true

如果x是true，那么y < c也一定是true。这正是OnlyEnforceIf方法的用途。OnlyEnforceIf如果is的参数true，则方法中的约束Add将被激活：

model.Add(y < c).OnlyEnforceIf(x) 

案例 2: x = false,

如案例 1中所述，OnlyEnforceIf如果其参数未计算为 ，则不会激活约束true。因此，您不能只保留 casey >= c本身并希望 if 会暗示它x = false。因此，为这种情况添加反向约束，如下所示：

model.Add(y >= c).OnlyEnforceIf(x.Not())

因为，对于x = false，x.Not()将是，因此在求解方程时将激活并使用true约束。y >= c

完整代码

from ortools.sat.python import cp_model

solver = cp_model.CpSolver()
model = cp_model.CpModel()
c = 50
x = model.NewBoolVar(name='x')
y = model.NewIntVar(name='y', lb=0, ub=2**10)

model.Add(y < c).OnlyEnforceIf(x) 
model.Add(y >= c).OnlyEnforceIf(x.Not())

model.Maximize(x+y)

status = solver.Solve(model)