Google OR-Tools：AddVariableMinimizedByFinalizer的TypeError问题求解

这个问题我之前也碰到过！本质原因是你计算的duration是一个线性表达式（LinearExpr），但AddVariableMinimizedByFinalizer方法要求传入的必须是IntVar类型的变量，所以才会触发类型不匹配的错误。

要解决这个问题，你需要先创建一个显式的IntVar来存储两CumulVar的差值，再通过约束把这个变量和差值绑定，最后把变量传给方法。具体步骤如下：

修改后的代码实现 #

替换你原来的循环代码，改成下面这样：

for vehicle_id in range(data['num_vehicles']):
    # 1. 创建IntVar来存储当前车辆的执勤时长，范围匹配你的最大执勤时间约束
    duty_duration = routing.solver().IntVar(0, MAX_TIME_ON_DUTY, f"duty_duration_vehicle_{vehicle_id}")
    
    # 2. 添加约束：让这个变量等于车辆结束累积时间减去开始累积时间
    start_cumul = time_dimension.CumulVar(routing.Start(vehicle_id))
    end_cumul = time_dimension.CumulVar(routing.End(vehicle_id))
    routing.solver().Add(duty_duration == end_cumul - start_cumul)
    
    # 3. 将IntVar传入AddVariableMinimizedByFinalizer进行最小化
    routing.AddVariableMinimizedByFinalizer(duty_duration)

为什么这样有效？ #

• routing.solver().IntVar()会创建一个可被求解器操作的整数变量，完全符合AddVariableMinimizedByFinalizer的参数要求
• 通过Add(duty_duration == end_cumul - start_cumul)约束，把变量和你需要的差值绑定在一起，确保变量的值始终等于车辆的实际执勤时长
• 因为你已经有duty_duration <= MAX_TIME_ON_DUTY的约束，所以设置IntVar的上界为MAX_TIME_ON_DUTY可以帮助求解器缩小搜索范围，提升运算效率

这样修改后，就能成功将每辆车的执勤时长加入到最终的最小化目标中了。

内容的提问来源于stack exchange，提问作者haudarren