Python调用CPLEX添加含abs(X)绝对值约束的实现问题咨询

核心结论 #

• 不能直接将abs(X)传入linear_constraints.add方法添加约束：该接口仅支持线性表达式，且SparsePair的ind参数只能接收模型中已注册的变量名/索引，abs(X)不是合法的变量标识。
• 必须先创建辅助变量承接abs(X)的取值，再通过线性约束绑定辅助变量与原变量X的关系。

具体实现步骤 #

1. 创建连续型辅助变量Y，下界设为0（绝对值非负的天然属性）
2. 添加两条线性约束绑定Y与abs(X)的等价关系：
   • Y ≥ X
   • Y ≥ -X
     这种线性化方式在优化场景下完全可以替代绝对值运算，当目标函数涉及Y的最小化时，Y会自动收敛到abs(X)的精确值。
3. 用辅助变量Y替换原约束中的abs(X)，完成约束添加

注意：CPLEX不支持严格大于/小于约束，所有严格不等关系都需要引入一个极小的容差epsilon（比如1e-6）转换为非严格不等关系，避免求解器数值问题。

完整可运行代码示例 #

from cplex import Cplex, SparsePair

# 初始化模型
model = Cplex()

# 1. 添加原始变量X，可根据业务需求调整上下界
model.variables.add(names=["X"], lb=[-10.0], ub=[10.0])

# 2. 添加代表abs(X)的辅助变量Y，下界为0，上界与X的上界对齐即可
model.variables.add(names=["Y"], lb=[0.0], ub=[10.0])

# 3. 添加绑定约束，实现Y = abs(X)的线性等价转换
bind_constrs = [
    SparsePair(ind=["Y", "X"], val=[1.0, -1.0]),  # Y - X ≥ 0 → Y ≥ X
    SparsePair(ind=["Y", "X"], val=[1.0, 1.0])    # Y + X ≥ 0 → Y ≥ -X
]
model.linear_constraints.add(
    lin_expr=bind_constrs,
    senses=["G", "G"],
    rhs=[0.0, 0.0],
    names=["bind_abs_ge_x", "bind_abs_ge_neg_x"]
)

# 4. 添加你需要的两个约束，用epsilon处理严格大于
epsilon = 1e-6
target_constrs = [
    SparsePair(ind=["X"], val=[1.0]),  # X > 0 → X ≥ epsilon
    SparsePair(ind=["Y"], val=[1.0])   # abs(X) > 0 → Y ≥ epsilon
]
model.linear_constraints.add(
    lin_expr=target_constrs,
    senses=["G", "G"],
    rhs=[epsilon, epsilon],
    names=["constr_x_pos", "constr_absx_pos"]
)

补充说明 #

如果你的业务场景中已经明确约束X > 0，那么abs(X) = X，第二条约束和第一条约束完全等价，可以直接省略，不需要额外引入辅助变量。

内容的提问来源于stack exchange，提问作者Rodrigo