Python docplex：最大化连续矩阵C的零元素数量问题求助

问题背景 #

我需要解决一个包含连续矩阵变量C的优化问题，核心目标不是调整C元素的大小，而是最大化C中零元素的数量。最初的思路是用Heaviside函数将非零元素转为1、零元素保留0，再通过最小化转换后矩阵的元素总和来实现目标。

报错代码 #

尝试用以下代码设置目标函数时出现错误：

model.set_objective('min', sum(np.heaviside(C[k,j], 0) for k, j in itertools.product(range(M), range(P))))

错误信息 #

TypeError: ufunc 'heaviside' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

对比：可正常运行的代码 #

直接对C的元素求和的代码却能正常执行：

model.set_objective('min', sum(C[k,j] for k, j in itertools.product(range(M), range(P))))

问题原因 #

np.heaviside是NumPy的数值计算函数，只能处理具体的数值类型（如int、float数组），但C[k,j]是CPLEX的决策变量对象，并非实际数值，因此NumPy无法对其进行处理。而直接求和的代码是构造CPLEX支持的决策变量表达式，所以能正常运行。

正确建模方案 #

要实现“最大化零元素数量”的目标，需要引入二进制辅助变量，将连续变量的非零性转化为整数约束：

• 为每个C[k,j]定义二进制变量z[k,j]（取值0或1）：z[k,j]=1表示C[k,j]≠0，z[k,j]=0表示C[k,j]=0。
• 添加约束：对所有k,j，满足 -M * z[k,j] ≤ C[k,j] ≤ M * z[k,j]。其中M是一个足够大的正数（需大于C[k,j]可能的最大绝对值），确保当z[k,j]=0时C[k,j]必须为0，z[k,j]=1时C[k,j]可取允许范围内的任意值。
• 将目标函数改为最小化sum(z[k,j] for k,j in itertools.product(range(M), range(P)))，等价于最大化C中的零元素数量。

内容的提问来源于stack exchange，提问作者msax