PySCIPOpt中混合整数规划OR约束定义的疑问

问题根源 #

你遇到的段错误是因为对resvar参数的理解和使用错误：

• resvar必须是PySCIPOpt提前创建的布尔变量，用于标记OR约束是否被满足（当至少一个子约束成立时，该变量取值为1；否则为0）。
• 直接传入Python原生布尔值True，或者使用未通过model.addVar()创建的变量，都会导致SCIP访问非法内存，触发段错误。

正确实现代码 #

针对你最小化变量x、要求三个约束至少满足其一的场景，正确代码如下：

from pyscipopt import Model

# 初始化模型
model = Model("OR_Constraint_Demo")

# 定义决策变量x（可根据需求设为整数或连续型）
x = model.addVar("x", vtype="C")

# 必须提前创建布尔变量作为resvar，由SCIP内部管理
res_var = model.addVar("or_constraint_flag", vtype="B")

# 定义三个子约束表达式
cons1 = x >= 1
cons2 = x >= 2
cons3 = x >= 3

# 添加OR约束：三个子约束中至少满足一个，res_var标记约束状态
model.addConsOr([cons1, cons2, cons3], res_var)

# 设置目标函数：最小化x
model.setObjective(x, "minimize")

# 求解模型
model.optimize()

# 输出结果
if model.getStatus() == "optimal":
    print(f"最优解x = {round(model.getVal(x), 4)}")
    print(f"OR约束满足标记res_var = {model.getVal(res_var)}")
else:
    print("求解失败，未找到最优解")

关键说明 #

1. resvar的正确定义：必须通过model.addVar(vtype="B")创建合法的SCIP布尔变量，不能用Python原生布尔值替代。
2. OR约束的逻辑：addConsOr实现的是「至少满足一个子约束」的逻辑，完全符合你需求中的“三个约束仅需满足其一”。你的预期最优解x=1会被正确求解，因为此时x>=1成立，OR约束满足，且x取到最小值。
3. 若你实际需求是恰好满足一个子约束（而非至少一个），则需要额外引入布尔变量标记每个子约束的状态，并添加约束限制这些变量的和为1。但针对当前示例，仅OR约束即可达成目标。

内容的提问来源于stack exchange，提问作者kirlia