OR-Tools Python MIP包装器如何实现半连续变量与乘积约束？

核心问题分析 #

OR-Tools的MIP求解器仅支持线性约束，不允许变量直接相乘（比如x*y），这是触发TypeError的根本原因。半连续变量的逻辑必须转化为等价的线性约束，而非直接使用非线性乘积表达式。

线性化半连续变量的正确建模方式 #

对于每个产品的产量Xᵢ（半连续变量）和二进制开关变量Yᵢ（0=不生产，1=生产），需添加以下两个线性约束：

• Xᵢ ≤ Uᵢ * Yᵢ：Uᵢ是Xᵢ的最大可能产量上限。当Yᵢ=0时，Xᵢ必须为0；当Yᵢ=1时，Xᵢ可取值0到Uᵢ（结合下一个约束，实际下限为MOQᵢ）。
• Xᵢ ≥ MOQᵢ * Yᵢ：当Yᵢ=1时，Xᵢ必须不小于最小订货量MOQᵢ；当Yᵢ=0时，Xᵢ≥0（结合上一个约束，最终Xᵢ=0）。

针对你提到的目标函数/约束（比如X₁Y₁ + ... + XᵢYᵢ ≤ 1000），由于上述约束保证了Yᵢ=0时Xᵢ=0，因此XᵢYᵢ等价于Xᵢ，直接替换为X₁ + ... + Xᵢ ≤ 1000即可，无需使用乘积。

OR-Tools代码示例 #

from ortools.linear_solver import pywraplp

solver = pywraplp.Solver.CreateSolver('SCIP')  # 可选用CBC等其他MIP求解器
infinity = solver.infinity()

# 定义参数
MOQ = 50       # 最小订货量
MAX_OUTPUT = 500  # 单产品最大产量
TOTAL_CAPACITY = 1000  # 总产能上限

# 定义变量
x = solver.NumVar(0.0, infinity, 'x')
y = solver.IntVar(0, 1, 'y')

# 添加半连续约束
solver.Add(x <= MAX_OUTPUT * y)
solver.Add(x >= MOQ * y)

# 添加总产能约束（等价于x*y ≤ TOTAL_CAPACITY）
solver.Add(x <= TOTAL_CAPACITY)

# 定义目标函数（示例：最大化产量）
solver.Maximize(x)

# 求解并输出结果
status = solver.Solve()
if status == pywraplp.Solver.OPTIMAL:
    print(f'最优解：x={round(x.solution_value(), 2)}, y={y.solution_value()}')
else:
    print('未找到最优解或问题无解')

替代工具推荐 #

如果希望更便捷地处理半连续变量，可选择原生支持该变量类型的求解器/建模框架：

• Gurobi：直接提供半连续变量类型（GRB.SEMICONT），无需手动引入二进制变量，建模更简洁。
• CPLEX：同样支持半连续变量，可通过API直接定义。
• PuLP：轻量级建模框架，可通过线性约束模拟半连续逻辑，也能对接Gurobi/CPLEX等支持半连续的求解器。
• Pyomo：灵活的建模语言，支持半连续变量的直接定义，兼容多种求解器。

内容的提问来源于stack exchange，提问作者Dmitry Nazarenko