如何在Python的Pulp中为电机优化添加OR约束

参数与需求 #

• 电机1：功率范围100-300（可选择停机，功率为0），单价5000
• 电机2：功率范围400-1000（可选择停机，功率为0），单价5500
• 电机3：功率范围50-250（可选择停机，功率为0），单价5250
• 目标总功率：恰好600
• 求满足条件的最低成本组合

错误尝试 #

直接在Pulp约束中使用or逻辑（如x >= 100 or x == 0），但该写法无法被线性规划求解器识别，导致约束失效。

线性规划工具（包括Pulp）不支持直接处理or这类逻辑约束，需要通过二进制辅助变量将逻辑转化为线性约束。核心思路是给每个电机加一个“运行标记”变量（0=停机，1=运行），再通过约束限定：要么停机（功率为0），要么在额定功率范围内运行。

完整修正代码 #

from pulp import LpProblem, LpVariable, LpMinimize, LpBinary

def find_lowest_cost():
    # 定义问题：最小化成本
    problem = LpProblem("Motor Optimization", LpMinimize)

    # 决策变量：
    # 各电机的输出功率（整数）
    x = LpVariable("Motor1_Power", lowBound=0, cat='Integer')  # 初始下限设为0，后续通过约束限定范围
    y = LpVariable("Motor2_Power", lowBound=0, cat='Integer')
    z = LpVariable("Motor3_Power", lowBound=0, cat='Integer')
    
    # 各电机的运行标记（二进制：0=停机，1=运行）
    x_run = LpVariable("Motor1_Run", cat=LpBinary)
    y_run = LpVariable("Motor2_Run", cat=LpBinary)
    z_run = LpVariable("Motor3_Run", cat=LpBinary)

    # 目标函数：总成本 = 各电机功率 * 单价
    problem += x * 5000 + y * 5500 + z * 5250

    # 约束条件：
    # 电机1：要么停机（x=0），要么功率在100-300之间
    problem += x >= 100 * x_run
    problem += x <= 300 * x_run
    # 电机2：要么停机（y=0），要么功率在400-1000之间
    problem += y >= 400 * y_run
    problem += y <= 1000 * y_run
    # 电机3：要么停机（z=0），要么功率在50-250之间
    problem += z >= 50 * z_run
    problem += z <= 250 * z_run

    # 总功率约束：恰好600
    problem += x + y + z == 600

    # 求解问题
    problem.solve()

    # 提取结果
    lowest_cost = problem.objective.value()
    best_combination = (x.value(), y.value(), z.value())
    return lowest_cost, best_combination

cost, combination = find_lowest_cost()
print("最低成本:", cost)
print("电机功率组合:", combination)

约束逻辑说明 #

以电机1为例：

• 当x_run=1（运行）时，约束变为x>=100和x<=300，符合额定功率范围
• 当x_run=0（停机）时，约束变为x>=0和x<=0，即x=0，实现停机逻辑

内容的提问来源于stack exchange，提问作者Miguff