使用不同特性变量实现优化约束及docplex.mp Python API代码报KeyError 0问题求助

问题2：解决代码中的KeyError及约束修正 #

你遇到的KeyError: 0主要是因为索引越界和循环逻辑错误，咱们一步步拆解问题并修正：

错误原因分析 #

1. 循环顺序颠倒：你写的生成器里for j in t for t in period_list完全搞反了遍历顺序，应该先遍历t，再遍历每个t对应的j（j的范围是1到t）。
2. Sum的循环变量错误：你的sum表达式里误用了j作为循环变量，而实际应该遍历k从t-j+2到t；另外当t-j+2 > t时（比如t=1, j=1时，t-j+2=2 > 1），这个sum应该等于0，不能强行访问不存在的索引。

修正后的代码 #

from docplex.mp.model import Model

clsp = Model(name='capacitated lot sizing problem')
no_of_period = 8
period_list = [t for t in range(1, no_of_period + 1)]

# 二进制变量定义没问题
s_indicator = clsp.binary_var_dict(period_list, name='s_indicator')
p_indicator = clsp.binary_var_matrix(period_list, period_list, name='p_indicator')

# 修正约束生成逻辑
constraints = []
for t in period_list:
    for j in range(1, t + 1):
        # 计算sum部分：k从t-j+2到t，如果起始值>t，sum为0
        start_k = t - j + 2
        sum_terms = clsp.sum(s_indicator[k] for k in range(start_k, t + 1)) if start_k <= t else 0
        # 添加约束
        constraints.append(p_indicator[t, j] >= s_indicator[t - j + 1] - sum_terms)

# 批量添加约束
m_8 = clsp.add_constraints(constraints)

关键修正点 #

• 调整了t和j的遍历顺序，确保每个t对应正确的j范围。
• 对sum部分做了边界判断：当start_k > t时，sum直接取0，避免生成空的生成器或者访问无效索引。
• 明确了sum的循环变量是k，对应你公式里的求和范围。

问题1：不同特性变量实现优化约束的可行性 #

当然可以！优化模型中完全允许使用不同特性的变量（比如二进制变量、整数变量、连续变量）来构建约束，只要约束的表达式逻辑合法且符合你的业务需求。

比如在你的场景里，s_indicator和p_indicator都是二进制变量，就算你把其中一个改成连续变量（比如库存水平这类连续值），只要约束表达式（比如加减、比较操作）在数学上合理，docplex这类优化库都能支持。核心是约束要准确反映你要表达的业务规则，变量的特性（类型、范围）只要匹配实际含义即可。

内容的提问来源于stack exchange，提问作者DasPlaies