GEKKO资源优化代码添加任务约束后求解失败问题求助

问题原因分析 #

你添加的任务约束存在逻辑矛盾：

• 工人约束要求2名工人各完成1项任务，总共仅能完成2项任务；
• 但新增的3个等式约束x1j + x2j == 1要求所有3项任务必须被分配，这在只有2名工人的场景下完全不可能满足，导致模型无可行解，因此求解器返回“Solution Not Found”。

修正后的可行代码 #

将任务约束从“必须分配”改为“最多分配1次”（符合2工人3任务的实际场景），如果需要恰好分配2项任务（匹配工人数量），可额外添加总任务数约束：

m = GEKKO()

# 决策变量
x11 = m.Var(value=0, lb=0,ub=1,integer=True) # 工人1选任务1
x12 = m.Var(value=0, lb=0,ub=1,integer=True) # 工人1选任务2
x13 = m.Var(value=0, lb=0,ub=1,integer=True) # 工人1选任务3
x21 = m.Var(value=0, lb=0,ub=1,integer=True) # 工人2选任务1
x22 = m.Var(value=0, lb=0,ub=1,integer=True) # 工人2选任务2
x23 = m.Var(value=0, lb=0,ub=1,integer=True) # 工人2选任务3

# 奖励常数
S11 = m.Const(value=2)
S12 = m.Const(value=5)
S13 = m.Const(value=8)
S21 = m.Const(value=1)
S22 = m.Const(value=5)
S23 = m.Const(value=7)

# 约束条件
# 工人约束：每人仅选1项任务
m.Equation(x11 + x12 + x13 == 1)
m.Equation(x21 + x22 + x23 == 1)

# 任务约束：每项任务最多分配给1名工人
m.Equation(x11 + x21 <= 1)
m.Equation(x12 + x22 <= 1)
m.Equation(x13 + x23 <= 1)

# 可选：若要求恰好分配2项任务（匹配工人数量），添加此约束
# m.Equation((x11+x21)+(x12+x22)+(x13+x23) == 2)

# 目标函数：最大化总奖励（GEKKO默认最小化，因此取负值）
m.Obj(-(x11*S11 + x12*S12 + x13*S13 + x21*S21 + x22*S22 + x23*S23))

m.options.IMODE = 3
m.options.SOLVER = 1
m.solve(disp=True)

print('Results')
print('x11:', x11.value[0])
print('x12:', x12.value[0])
print('x13:', x13.value[0])
print('x21:', x21.value[0])
print('x22:', x22.value[0])
print('x23:', x23.value[0])
print('总奖励:', -m.options.objfcnval)

GEKKO整数规划求解错误调试方法 #

• 约束逻辑校验：将数学约束翻译为自然语言，检查是否符合实际业务场景，比如本例中“3项任务必须全部分配给2名工人”显然违反常识。
• 查看不可行性报告：求解器生成的infeasibilities.txt文件会列出未满足的约束，可通过apm_get(server, app, 'infeasibilities.txt')命令获取，定位矛盾约束。
• 逐步添加约束测试：从可行的基础模型开始，逐步添加约束，每次求解后检查是否可行，快速定位导致矛盾的约束。
• 放松约束验证：将等式约束改为不等式（如==改为<=），若求解成功，说明原等式约束过于严格，存在矛盾。
• 自由度检查：查看求解器输出的自由度信息，若自由度为正但仍无可行解，大概率存在隐含约束矛盾。
• 简化模型测试：减少变量或约束数量，构建最小化的测试模型，验证求解逻辑是否正确，再逐步扩展到原模型。

内容的提问来源于stack exchange，提问作者Alok