PySCIPOpt逻辑约束及model.addConsOr/addConsAnd用法示例咨询

注：两类逻辑约束的操作对象均为二进制（0-1）布尔变量，其中1代表逻辑真，0代表逻辑假。

1. addConsAnd 逻辑与约束 #

逻辑与的运算规则：所有输入变量为真时，结果才为真，否则为假。
调用语法为：model.addConsAnd(vars, result=None, name="")

• vars：输入的布尔变量列表
• result：可选参数，布尔变量，用来存储逻辑与的运算结果；不指定时默认要求逻辑与的结果必须为真，等价于强制所有输入变量都为1

示例代码 #

如果要求只有当x1和x2都为1时，x3才能为1，实现如下：

from pyscipopt import Model

# 初始化模型
model = Model("and_demo")
# 定义三个布尔变量
x1 = model.addVar(vtype="B", name="x1")
x2 = model.addVar(vtype="B", name="x2")
x3 = model.addVar(vtype="B", name="x3")

# 添加与约束：x3 = x1 AND x2
model.addConsAnd([x1, x2], x3, name="and_cons")

# 设目标为最大化x3，求解后x1和x2会自动设为1满足与逻辑
model.setObjective(x3, "maximize")
model.optimize()

# 输出结果：x1=1.0, x2=1.0, x3=1.0
print(f"x1={model.getVal(x1)}, x2={model.getVal(x2)}, x3={model.getVal(x3)}")

如果调用时不填result参数，如model.addConsAnd([x1,x2])，等价于直接强制约束x1 == 1 且 x2 == 1。

2. addConsOr 逻辑或约束 #

逻辑或的运算规则：只要有一个输入变量为真，结果就为真；所有输入都为假时结果才为假。
调用语法为：model.addConsOr(vars, result=None, name="")

• vars：输入的布尔变量列表
• result：可选参数，布尔变量，用来存储逻辑或的运算结果；不指定时默认要求逻辑或的结果必须为真，等价于强制至少一个输入变量为1

示例代码 #

如果要求只要y1或y2任意一个为1，y3就为1，实现如下：

from pyscipopt import Model

# 初始化模型
model = Model("or_demo")
# 定义三个布尔变量
y1 = model.addVar(vtype="B", name="y1")
y2 = model.addVar(vtype="B", name="y2")
y3 = model.addVar(vtype="B", name="y3")

# 添加或约束：y3 = y1 OR y2
model.addConsOr([y1, y2], y3, name="or_cons")

# 额外约束y1=0、y2=1，验证或逻辑
model.addCons(y1 == 0)
model.addCons(y2 == 1)

model.optimize()
# 输出结果：y1=0.0, y2=1.0, y3=1.0
print(f"y1={model.getVal(y1)}, y2={model.getVal(y2)}, y3={model.getVal(y3)}")

如果调用时不填result参数，如model.addConsOr([y1,y2])，等价于直接强制约束y1 == 1 或 y2 == 1，也就是两个变量至少选一个。

复杂逻辑组合示例 #

两种约束可以嵌套使用实现自定义逻辑，比如要求(x1 AND x2) OR x3 == 1，实现方式如下：

# 先定义临时变量存储x1和x2的与运算结果
temp = model.addVar(vtype="B", name="temp")
model.addConsAnd([x1, x2], temp)
# 再添加或约束，不填result默认要求运算结果为真
model.addConsOr([temp, x3])

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