CPlex Python中cumul函数Step_at的容量不跨区间累加问题求助

方法一：用step_at函数在每个Sprint结束时重置容量 #

你之前仅用step_at初始化容量，未在Sprint结束时清零。可以给每个Sprint的时间区间设置两个step_at操作：一个在Sprint开始时设置目标容量，另一个在Sprint结束时将容量归0。

假设每个Sprint的时间区间为[start_t, end_t)（比如第一个Sprint从0到14天，第二个从14到28天），代码示例如下：

# 定义Sprint的时间区间和对应容量
sprint_intervals = [(0, 14), (14, 28)]
sprint_capacities = [20, 50]

# 创建容量资源变量
capacity = model.continuous_var(name="capacity")

# 为每个Sprint设置容量的分段变化
for (start, end), cap in zip(sprint_intervals, sprint_capacities):
    # 开始时设置容量，结束时清零
    model.add(capacity == model.step_at(start, cap) + model.step_at(end, -cap))

这样每个Sprint结束时，容量会被减去当前值回到0，下一个Sprint开始时再重新设置新容量，彻底避免剩余容量跨期累加的问题。

方法二：为每个Sprint单独定义容量变量 #

如果不想依赖时间分段的step函数，更直观的方式是给每个Sprint创建独立的容量约束，直接关联对应Sprint内选中任务的总点数。

1. 先定义二进制变量标记任务是否被某Sprint选中：

# tasks为任务列表（每个任务含points属性），sprints为Sprint列表
selected = model.binary_var_matrix(tasks, sprints, name="selected")

2. 添加任务不可重复的约束：每个任务只能被一个Sprint选中（或不选）

for task in tasks:
    model.add(model.sum(selected[task, s] for s in sprints) <= 1)

3. 为每个Sprint添加独立的容量约束：选中任务的总点数必须等于该Sprint的容量

for s in sprints:
    model.add(model.sum(selected[task, s] * task.points for task in tasks) == s.capacity)

这种方法完全隔离了不同Sprint的容量逻辑，新手更容易理解和维护，也不会出现跨期累加的问题。

方法三：调整workUsage的时间范围约束 #

如果坚持用资源累计的方式，需要确保任务的资源消耗仅被计入对应Sprint的容量，同时为每个Sprint独立分配资源：

# task_start为任务的启动时间变量
for task in tasks:
    # 约束任务只能在某一个Sprint的时间区间内启动
    model.add(model.sum(model.logical_and(task_start >= s.start, task_start < s.end) for s in sprints) == 1)

# 为每个Sprint创建独立的容量资源
sprint_capacity = {s: model.continuous_var(name=f"capacity_{s.name}") for s in sprints}

for s in sprints:
    # 设置当前Sprint的初始容量
    model.add(sprint_capacity[s] == model.step_at(s.start, s.capacity))
    # 约束该Sprint内的任务总消耗等于容量
    model.add(model.sum(selected[task, s] * task.points for task in tasks) == s.capacity)

总结 #

新手优先推荐方法二，逻辑清晰且不易出错；如果需要快速修正现有代码，方法一的双step_at设置是最直接的解决方案。

内容的提问来源于stack exchange，提问作者Gops