线性规划：捕获布尔变量列表中首个值为1的位置

云原生阿岚

2026-7-9

解决方案

我们可以通过添加整数线性约束将布尔变量y[i]与x[i]关联起来，以下是基于PuLP求解器的实现方案：

约束逻辑

针对0≤i≤5的布尔变量x[i]和y[i]，需满足以下4组约束：

最多只有一个y[i]为1（对应首个1的位置，若x全为0则y全为0）：
sum(y) ≤ 1
若y[i]=1，则x[i]必须为1：
y[i] ≤ x[i]（对所有i生效）
若y[i]=1，则所有j<i的x[j]必须为0：
y[i] ≤ 1 - sum(x[j] for j in range(i))（对所有i生效）
若x[i]是首个为1的变量（即前面所有x[j]为0且x[i]=1），则y[i]必须为1：
y[i] ≥ x[i] - sum(x[j] for j in range(i))（对所有i生效）

Python代码实现

先通过pip install pulp安装PuLP求解器，再执行以下代码：

from pulp import LpProblem, LpVariable, LpBinary, lpSum, LpMinimize

# 创建模型
model = LpProblem("First_One_Detection", LpMinimize)

# 定义布尔变量：x[i]和y[i]（0或1）
n = 6  # i取值0到5
x = [LpVariable(f"x_{i}", cat=LpBinary) for i in range(n)]
y = [LpVariable(f"y_{i}", cat=LpBinary) for i in range(n)]

# 添加约束条件
# 1. 最多一个y[i]为1
model += lpSum(y) <= 1

# 2. y[i]为1则x[i]必须为1
for i in range(n):
    model += y[i] <= x[i]

# 3. y[i]为1则前面所有x[j]为0
for i in range(n):
    if i > 0:
        model += y[i] <= 1 - lpSum(x[j] for j in range(i))

# 4. 首个x[i]=1时，y[i]必须为1
for i in range(n):
    if i > 0:
        model += y[i] >= x[i] - lpSum(x[j] for j in range(i))
    else:
        model += y[0] >= x[0]

# 替换为你的实际目标函数（示例为最大化sum(x)）
model += lpSum(x)

# 求解模型
model.solve()

# 输出结果
print("x变量取值：")
x_vals = [int(var.value()) for var in x]
print(x_vals)

print("\ny变量取值：")
y_vals = [int(var.value()) for var in y]
print(y_vals)