在R中求解线性整数规划：构造向量x2满足目标函数最小化

思路 #

要构造向量x2使得abs(sum(x2 - x1 > 1) - 50)最小，核心逻辑如下：

• 先筛选不可能满足x2 - x1 > 1的位置：当x1为6或7时，x2最大取7，差值最多为1或0，无法满足条件，这些位置只能计入"不满足"统计。
• 对x1 <=5的位置，可通过设置x2 = x1 + 2（或其他1-7范围内的更大值）满足条件。我们需要从这些可满足位置中选择尽可能接近50个的数量来设置满足条件，剩余位置任意取1-7的整数即可。

R代码实现 #

# 加载给定的x1向量
x1 <- c(3L, 4L, 2L, 5L, 1L, 3L, 2L, 5L, 2L, 2L, 1L, 2L, 2L, 2L, 3L, 
5L, 3L, 3L, 3L, 1L, 5L, 2L, 2L, 7L, 2L, 4L, 2L, 2L, 3L, 3L, 1L, 
5L, 2L, 4L, 3L, 2L, 4L, 3L, 3L, 3L, 3L, 2L, 2L, 3L, 3L, 3L, 3L, 
2L, 3L, 4L, 3L, 2L, 4L, 3L, 2L, 3L, 3L, 4L, 5L, 3L, 2L, 3L, 3L, 
3L, 4L, 2L, 4L, 4L, 4L, 2L, 4L, 2L, 4L, 3L, 2L, 3L, 3L, 2L, 3L, 
3L, 3L, 2L, 2L, 4L, 3L, 2L, 6L, 5L, 5L, 3L, 3L, 2L, 3L, 2L, 3L, 
3L, 4L, 3L, 2L, 2L)

# 找出可满足x2 - x1 >1的位置（x1 <=5）
possible_pos <- which(x1 <= 5)
possible_count <- length(possible_pos)

# 确定需要设置为满足条件的位置数量：尽可能接近50，不超过可满足总数
target_k <- max(0, min(possible_count, 50))

# 初始化x2为1（任意1-7的整数均可）
x2 <- rep(1, length(x1))

# 随机选择target_k个可满足位置，设置x2为满足条件的值（这里用x1+2，确保不超过7）
selected_pos <- sample(possible_pos, target_k)
x2[selected_pos] <- pmin(x1[selected_pos] + 2, 7)

# 验证结果
satisfied_num <- sum(x2 - x1 > 1)
objective_value <- abs(satisfied_num - 50)

cat("满足x2 - x1 >1的元素数量：", satisfied_num, "\n")
cat("目标函数值：", objective_value, "\n")

结果说明 #

• 运行代码后，会输出满足条件的元素数量以及对应的目标函数值。
• 如果可满足位置总数≥50，能恰好得到50个满足条件的元素，此时目标函数值为0（最优解）；如果可满足位置总数<50，最多只能达到该总数的满足量，目标函数值为50 - possible_count，这是当前约束下的最小可能值。

内容的提问来源于stack exchange，提问作者Edward