如何在pulp中编写涉及指示变量的约束条件？

你当前的约束已经覆盖了「lpSum(some_var) > 0时indicator_var必须为1」的逻辑，仅需补充一条反向约束即可满足全部规则。

补充约束的核心逻辑：要实现「lpSum(some_var) = 0时indicator_var必须为0」，等价于实现其逆否命题「indicator_var = 1时lpSum(some_var) ≥ 最小正阈值」，据此补充约束即可。

完整约束代码 #

情况1：some_var为整数变量 #

此时lpSum(some_var)的最小正取值为1，直接用1作为阈值即可：

for j in some_list:
    sum_val = lpSum(some_var[i, j] for i in some_other_list)
    # 原有约束：sum_val>0时indicator_var[j]必须为1
    prob += sum_val <= indicator_var[j] * 5
    # 新增约束：indicator_var[j]为1时sum_val≥1，等价于sum_val=0时indicator_var[j]必须为0
    prob += sum_val >= indicator_var[j] * 1

情况2：some_var为连续变量 #

取一个大于求解器数值容差的小值epsilon（通常取1e-4~1e-3即可）作为阈值：

epsilon = 1e-4
for j in some_list:
    sum_val = lpSum(some_var[i, j] for i in some_other_list)
    prob += sum_val <= indicator_var[j] * 5
    prob += sum_val >= indicator_var[j] * epsilon

规则验证 #

• 当sum_val=0时：第二条约束要求0 ≥ indicator_var[j] * 阈值，阈值为正，因此indicator_var[j]只能取0，符合要求
• 当sum_val>0时：第一条约束要求sum_val ≤ 5 * indicator_var[j]，sum_val为正，因此indicator_var[j]只能取1，符合要求

内容的提问来源于stack exchange，提问作者sierra_papa