如何基于tibble分组数据动态批量构建OMPR混合线性规划模型
解决方案
首先你需要提前定义所有可能出现的未知变量对应的上下界,后续新增变量仅需要更新该配置表即可,无需修改建模逻辑。
完整实现代码
# 预定义所有未知变量的上下界,新增变量直接在该表补充 var_bounds <- tibble( unknown = c("w", "b", "c", "l", "o"), lb = c(1.8, 2.0, 1.1, 1.3, 1.5), # o的上下界可根据实际业务需求调整 ub = c(2.8, 3.0, 1.8, 1.7, 2.0) ) # 按category分组批量构建、求解模型 model_results <- dummy_data %>% group_nest(category, known_sum) %>% mutate( model = map2(data, known_sum, function(df, ks) { # 匹配当前分组变量对应的上下界 df_with_bounds <- df %>% left_join(var_bounds, by = "unknown") # 初始化模型 model <- MILPModel() # 动态为当前分组添加对应变量 for (i in seq(nrow(df_with_bounds))) { v <- df_with_bounds$unknown[i] model <- add_variable(model, !!sym(v), lb = df_with_bounds$lb[i], ub = df_with_bounds$ub[i], type = "continuous") } # 动态构造线性求和表达式 expr <- reduce2(df_with_bounds$known, df_with_bounds$unknown, function(a, k, v) a + k * !!sym(v), .init = 0) # 配置目标、约束并求解 model %>% set_objective(!!expr, "min") %>% add_constraint(!!expr == ks) %>% solve_model(with_ROI(solver = "glpk")) }) )
结果提取
可以将所有分组的求解结果合并为tidy格式的表格方便后续分析:
solution_df <- model_results %>% mutate( solution = map(model, function(m) { get_solution(m, everything()) %>% pivot_wider(names_from = variable, values_from = value) }) ) %>% unnest(solution) %>% select(-data, -model)
方案全程遵循tidy风格,适配任意数量的category分组和未知变量,不需要手动逐个编写模型代码。
内容的提问来源于stack exchange,提问作者Troy
相关产品推荐
相关产品推荐

