OPL CPLEX多目标优化目标函数含除法表达式报错问题求助

问题原因 #

CPLEX默认的线性/二次规划求解器不支持分式形式的表达式（如1/F2），这类属于非线性非凸表达式，无法直接被解析处理。

可行解决方法 #

1. 变量替换+非线性规划（NLP）求解器

如果F2是正连续变量，可以通过引入新变量将分式转化为等价约束，再调用CPLEX的NLP求解器：

// 定义变量，确保F2为正
dvar float F1;
dvar float F2 > 0;
dvar float y > 0;

// 权重参数（根据实际需求赋值）
float w1 = 0.6;
float w2 = 0.4;

// 转化后的线性目标函数
maximize w1*F1 + w2*y;

subject to {
    // 原问题的所有约束条件
    // ...
    
    // 替换1/F2 = y的等价约束
    F2 * y == 1;
}

// 指定使用NLP求解器
execute {
    cplex.param.solverType = "nlp";
    // 可选：开启多起点搜索以提升找到全局最优的概率
    cplex.param.nlp.multiStart = 10;
}

注意：NLP求解器可能仅找到局部最优解，若问题非凸，需通过多起点等参数优化求解效果。

2. 枚举整数变量取值（若F2为整数）

如果F2是整数变量且取值范围有限，可以枚举所有可能的F2值，将问题转化为多个线性规划问题求解：

int f2_min = 1; // F2的最小可行值
int f2_max = 50; // F2的最大可行值
float best_obj = -inf;
dvar float F1;
dvar int F2;

// 权重参数
float w1 = 0.6;
float w2 = 0.4;

execute {
    for (var f2_val = f2_min; f2_val <= f2_max; f2_val++) {
        // 固定F2的值，求解当前线性规划
        F2.setLB(f2_val);
        F2.setUB(f2_val);
        if (cplex.solve()) {
            var current_obj = cplex.getObjValue();
            // 更新最优结果
            if (current_obj > best_obj) {
                best_obj = current_obj;
                writeln("当前最优: F1=", F1.solutionValue, ", F2=", f2_val, ", 目标值=", best_obj);
            }
        }
    }
}

3. 分段线性近似（近似解法）

若F2是连续变量且取值范围明确，可以用分段线性函数拟合1/F2，将非线性目标转化为线性规划：

• 把F2的可行域划分为多个区间，在每个区间内用线性函数近似1/F2
• 引入0-1变量选择对应的分段区间，构建线性化的目标函数

这种方法适合对精度要求不高，且需要快速求解线性规划的场景。

内容的提问来源于stack exchange，提问作者Vandana Kumari