R语言如何使用lpSolve库搭建线性模型并正确设置约束

核心问题修正说明 #

你当前代码存在4个核心问题，可直接对应解决二进制变量设置、约束添加的卡点：

• 模型维度错误：4队4馆的0-1指派问题共16个决策变量（x[i,j]表示第i队是否到第j馆比赛，取值0或1），初始设置ncol=4维度不足
• 变量类型错误：初始设置为real实数型，不符合0-1变量要求
• 目标函数错误：初始系数全为1，无法计算最小总里程，需要替换为对应组合的旅行里程值
• 约束缺失：仅添加了1条无效约束，需要补充两类等式约束，满足匹配规则（注：若你需要实现“每队在每个馆各打1场”的全赛程规则，需要额外增加比赛日维度，以下为基础指派模型，可在此基础上扩展）

具体实现方法 #

1. 二进制变量设置方法 #

调用set.type()函数时，将type参数指定为"binary"即可，函数会自动约束变量只能取0或1，无需额外设置上下界。

2. 约束添加逻辑 #

需要添加两类共8条等式约束：

• 球队约束：共4条，对每支球队，它在所有4个场馆的决策变量求和等于1，保证每队恰好参加1场比赛
• 场馆约束：共4条，对每个场馆，所有4支球队对应该馆的决策变量求和等于1，保证每个馆恰好承办1场比赛

3. 可运行修正代码 #

library(lpSolveAPI)
library(lpSolve)

# 初始化模型：8个约束（4队+4馆），16个0-1决策变量
lps.model <- make.lp(nrow=8, ncol=16)

# 所有变量设为二进制类型
set.type(lps.model, columns = 1:16, type="binary")

# 模型命名
name.lp(lps.model, name="The ACC Basketball")

# 定义里程数据：行对应球队A/B/C/D，列对应场馆Raleigh/Atlanta/Durham/Clemson
mileage <- rbind(
  c(210,90,180,160),   # A队到各馆里程
  c(100,70,130,200),   # B队到各馆里程
  c(175,105,140,170),  # C队到各馆里程
  c(80,65,105,120)     # D队到各馆里程
)
# 变量名、约束名设置
ColNames <- as.vector(t(outer(c("A","B","C","D"), c("Raleigh", "Atlanta", "Durham", "Clemson"), paste, sep="_")))
RowNames <- c(paste0("Team_", c("A","B","C","D")), paste0("Venue_", c("Raleigh", "Atlanta", "Durham", "Clemson")))
dimnames(lps.model) <- list(RowNames, ColNames)

# 设置目标函数：最小化总里程，目标系数为对应变量的里程值
lp.control(lps.model, sense="min")
set.objfn(lps.model, obj = as.vector(t(mileage)))

# 添加球队约束：每队恰好打1场
for(i in 1:4){
  const_coef <- rep(0, 16)
  var_pos <- ((i-1)*4 + 1) : (i*4)
  const_coef[var_pos] <- 1
  add.constraint(lps.model, const_coef, "=", 1)
}

# 添加场馆约束：每馆恰好承办1场
for(j in 1:4){
  const_coef <- rep(0, 16)
  var_pos <- seq(j, 16, by=4)
  const_coef[var_pos] <- 1
  add.constraint(lps.model, const_coef, "=", 1)
}

# 求解模型
solve(lps.model)

# 读取结果
min_mileage <- get.objective(lps.model)
match_result <- matrix(get.variables(lps.model), nrow=4, byrow=TRUE,
                       dimnames = list(c("A","B","C","D"), c("Raleigh", "Atlanta", "Durham", "Clemson")))

# 打印结果
cat("最小总旅行里程：", min_mileage, "\n")
cat("对阵安排（1表示安排对应球队到该馆比赛）：\n")
print(match_result)

结果说明 #

求解后得到的match_result是4x4的0-1矩阵，值为1的位置就是最终的球队-场馆匹配方案，min_mileage为对应的最小总里程。如果需要扩展多轮次赛程，只需要新增比赛日维度的决策变量，补充对应“每轮每队只打1场、每轮每馆只办1场、每队在每馆恰好打1场”的约束即可。

内容的提问来源于stack exchange，提问作者Yogurt