如何在Python MIP线性规划中实现二元变量y与连续变量x的关联约束

需求说明 #

要实现的逻辑约束：

连续变量x > 0时，二元变量y = 1；x = 0时，y = 0

现有写法的问题 #

你之前写的约束里有非线性项（y * 10000000和x * 10000000），线性规划只支持线性表达式，这种写法会导致模型无法正常求解。

正确的线性化约束方案 #

要把这个逻辑转成线性约束，需要引入一个足够大的正数M（M要大于x可能取到的最大值），然后添加以下约束：

1. 强制x>0时y必须为1：

   self.model.add_constr(x <= M * y, name="x_positive_requires_y1")
   

   逻辑：如果y=0，那x必须≤0；如果y=1，x≤M（只要M够大，这个约束不会限制x的正取值）。

2. 保证x非负（如果你的场景里x本来就不会为负，这一步可以根据情况调整）：

   self.model.add_constr(x >= 0, name="x_non_negative")
   

3. 确认y是二元变量（如果之前已经定义过，这步可以跳过）：

   self.model.add_var(var_type=mip.BINARY, name="y")
   

如果需要严格对应x>0（线性规划里没法直接表示严格大于，通常用极小正数ε近似，比如1e-6），可以再加一条约束：

self.model.add_constr(x >= ε * y, name="y1_requires_x_positive")

逻辑验证 #

• 当x=0：由x <= M*y可得0 <= M*y，结合y是0/1的二元变量，y只能取0；
• 当x>0（或x≥ε）：如果y=0，x >= ε*y会变成x≥0，但我们需要x>0对应y=1，所以y必须为1；y=1时，x<=M不会限制x的正取值，符合需求。

内容的提问来源于stack exchange，提问作者Jose Antonio Gomez De La Hiz