JuMP约束中依赖数组的实现：如何编写s取值随d、a限定的约束

你需要实现的约束公式如下：

原代码问题说明 #

• 变量定义阶段未限制s的有效范围，生成了大量冗余二进制变量，提升了不必要的模型求解复杂度
• 约束的索引定义和内层sum循环重复声明了变量j，出现索引冲突，同时s的范围绑定了单个j的d[j]:a[j]，但sum遍历所有j，导致s范围和j的匹配逻辑错误

推荐实现方式（最优，减少冗余变量） #

直接在变量定义阶段限制每个j对应的s的有效取值范围，不需要额外约束：

using JuMP
import Cbc # 可替换为你使用的对应求解器

# 初始化模型
model = Model(Cbc.Optimizer)

# 基础参数定义
N = 5
T = 3
S = 6
Cap = 15
Q = rand(1:5, N)
d = [1,2,2,3,1]
a = [6,4,5,6,4]

# 变量定义：仅为每个j创建s在d[j]~a[j]范围内的x变量
@variable(model, x[j=1:N, t=1:T, s in d[j]:a[j]], Bin)

# 容量约束：对每个时间步t、每个s取值，所有s在有效范围内的x对应容量和不超过上限
@constraint(model, [t=1:T, s=1:S], sum(x[j,t,s] * Q[j] for j in 1:N if s in d[j]:a[j]) <= Cap)

兼容原变量定义的实现方式 #

如果你需要保留s全范围1:S的变量定义，可以通过补充无效值固定为0的方式实现：

@variable(model, x[j=1:N,t=1:T,s=1:S], Bin)

# 先固定不在有效范围内的x变量强制为0
@constraint(model, [j=1:N, t=1:T, s=1:S; s < d[j] || s > a[j]], x[j,t,s] == 0)

# 容量约束
@constraint(model, [t=1:T, s=1:S], sum(x[j,t,s] * Q[j] for j=1:N) <= Cap)

内容的提问来源于stack exchange，提问作者Mahsa