如何获取OR-Tools CP-SAT无效模型的详细错误信息？

一、获取详细模型验证错误信息 #

你可以通过ValidateCpModel函数直接获取模型无效的具体原因，操作步骤如下：

1. 导入验证函数：在代码开头添加

from ortools.sat.python.cp_model import ValidateCpModel

2. 在创建模型后、求解前，调用该函数验证模型原型：

# 生成模型的proto格式并执行验证
validation_errors = ValidateCpModel(model.Proto())
if validation_errors:
    print("模型验证错误详情：")
    for err in validation_errors:
        print(f"- {err}")
    sys.exit(1)

该函数会返回所有模型结构层面的错误，比如变量域非法、约束表达式逻辑错误等。

二、你的代码中的具体问题 #

运行上述验证代码后，会发现两个导致模型无效的关键问题：

1. 变量上界超出求解器限制：sys.maxsize远大于CP-SAT支持的整数范围（CP-SAT整数变量取值通常限制在[-2^31+1, 2^31-1]），需要改为合理的业务场景值，比如：

quantity_of_food = [model.NewIntVar(0, 100, str(i)) for i in range(len(foods))]

2. 约束表达式索引错误：构建营养约束时，错误地用营养索引i访问食物数量变量quantity_of_food[i]，正确逻辑应使用食物索引遍历。修正后的约束代码：

for i, nutrient in enumerate(nutritional_requirements):
    # 计算当前营养的总摄入量
    total_nutrient = sum(foods[j][i] * quantity_of_food[j] for j in range(len(foods)))
    model.Add(total_nutrient >= nutrient[0])
    model.Add(total_nutrient < nutrient[1])

修正以上问题后，模型即可正常求解，返回OPTIMAL状态。

内容的提问来源于stack exchange，提问作者Travis