如何在pywraplp中循环多变量创建线性规划的约束与目标函数

问题根源 #

你代码里的range(0,100)只能生成单变量序列，同时遍历j和k时，直接写j,k in range(0,100)会触发语法错误，导致代码无法运行——核心是没正确构造出所有(j,k)的组合对。

可行修复方案 #

1. 嵌套生成器表达式（推荐） #

直接在求和逻辑里嵌套两层循环，生成所有需要的变量组合：

# 约束条件：每个i对应一个约束
for i in range(0,100):
    solver.Add(sum(X[i,j,k] for j in range(0,100) for k in range(0,100)) == 1)

# 目标函数
solver.Minimize(solver.Sum(Y[j,k] for j in range(0,100) for k in range(0,100)))

这种写法简洁高效，无需额外依赖，生成器会按需迭代变量，不会占用过多内存，也是线性规划求解器的常规写法。

2. 用itertools.product生成笛卡尔积 #

如果觉得嵌套循环不够直观，可以用itertools.product一次性生成所有(j,k)的组合：

import itertools

# 约束条件
for i in range(0,100):
    solver.Add(sum(X[i,j,k] for j,k in itertools.product(range(0,100), repeat=2)) == 1)

# 目标函数
solver.Minimize(solver.Sum(Y[j,k] for j,k in itertools.product(range(0,100), repeat=2)))

repeat=2表示生成两个0-99范围内变量的所有组合，适合变量维度更多的场景。

3. 预存变量列表再求和 #

如果需要更清晰的调试过程，或者要复用变量集合，可以先把要求和的变量存入列表，再传入求和逻辑：

# 约束条件
for i in range(0,100):
    target_vars = []
    for j in range(0,100):
        for k in range(0,100):
            target_vars.append(X[i,j,k])
    solver.Add(sum(target_vars) == 1)

# 目标函数
y_target_vars = []
for j in range(0,100):
    for k in range(0,100):
        y_target_vars.append(Y[j,k])
solver.Minimize(solver.Sum(y_target_vars))

这种写法可读性强，但会一次性把所有变量存入内存，对于100x100的规模来说影响不大，但维度更高时要注意内存占用。

最优方案选择 #

优先使用嵌套生成器表达式：

• 代码简洁，符合行业常规写法
• 内存效率高，避免不必要的列表存储
• 无需额外导入模块，减少依赖

内容的提问来源于stack exchange，提问作者J. Doe