CPLEX中关联工序可选机器集的二元决策变量定义问题

核心问题说明 #

原来的全局M维度定义会生成大量不属于对应工序可选机器范围的无效变量，不符合柔性作业车间每道工序可选机器独立配置的需求，可通过CPLEX内置的依赖集合、稀疏索引特性解决。

具体实现步骤 #

• 步骤1：修正基础参数定义 #

  先定义全局参数与工序级可选机器集合：

  int num_job = ...;
  range J = 1..num_job; // 作业索引范围
  int max_op_per_job = ...;
  range I = 1..max_op_per_job; // 工序索引范围，取所有作业的最大工序数
  int num_machine_total = ...;
  range M_all = 1..num_machine_total; // 全局机器索引范围
  // 核心：定义每道工序O(ij)对应的可选机器集合，无对应工序的位置设为空集
  {int} allowed_machine[I][J] = ...; 
  

• 步骤2：定义有效决策变量的索引空间 #

  通过元组过滤所有合法的「工序-作业-机器」组合，避免无效维度：

  tuple YIndex {
      int op_id; // 工序i
      int job_id; // 作业j
      int machine_id; // 可选机器m
  }
  // 自动过滤所有符合工序可选机器要求的组合
  {YIndex} valid_y_indices = {<i,j,m> | i in I, j in J, m in allowed_machine[i][j]};
  

• 步骤3：定义二元决策变量 #

  基于过滤后的有效索引定义稀疏变量，无任何多余无效变量生成：

  dvar boolean y[valid_y_indices];
  

• 步骤4：约束与目标函数的调用示例 #

  引用变量时直接传入元组索引即可，比如工序分配唯一约束的写法：

  // 每道存在的工序仅分配给一台可选机器
  forall(i in I, j in J: allowed_machine[i][j] != {})
      sum(<i,j,m> in valid_y_indices) y[<i,j,m>] == 1;
  

可选简化写法 #

如果偏好三维数组的调用形式，可直接在变量定义时绑定依赖范围，无需额外定义索引元组：

dvar boolean y[i in I][j in J][m in allowed_machine[i][j]];

该写法调用更直观，直接通过y[i][j][m]即可访问变量，适合可选机器组合数量不大的场景。

内容的提问来源于stack exchange，提问作者Francesca