基于二进制变量的线性优化结果异常问询（R语言lpSolveAPI）

我来帮你拆解一下这个问题——你的模型没输出那个更优解，核心是约束条件的逻辑没写对，没有准确还原你设定的产量调整规则。咱们一步步梳理：

你研究的是一家分4个时段生产的企业，核心目标是最小化产量与平均销量S0=90的差值，初始产量固定为110，调整规则是：

• 若前一时段产量≥100，下一时段可增减10
• 若前一时段产量<100，下一时段仅可增减5

你用lpSolveAPI实现的模型得到的解是[110,100,100,90]，误差为10，但理论上[110,100,90,85]的误差更小（6.25），却没被模型识别到。

你的代码里试图用二进制变量（第7-10位）标记时段产量是否≥100，但约束的写法没有正确关联「前一时段产量状态」和「当前时段调整幅度」的关系，具体问题如下：

1. 产量调整幅度的约束逻辑混乱 #

你写的这段调整幅度约束：

#maximum increase
for (i in 1:3){
  for (j in 7:10){
    x[i+1]=1
    x[i]=-1
    x[j]=-5
    add.constraint(error, x, "<=", 5)
    x[i]=0
    x[i+1]=0
    x[j]=0
  }
}
#maximum decrease
for (i in 1:3){
  for (j in 7:10){
    x[i]=-1
    x[i+1]=1
    x[j]=5
    add.constraint(error, x, ">=", -5)
    x[i]=0
    x[i+1]=0
    x[j]=0
  }
}

这段代码没有把二进制变量和前一时段的产量状态绑定。你想表达的是「前一时段产量≥100时，当前时段可±10；否则仅可±5」，但当前约束反而给调整幅度加了错误的限制，导致模型无法生成90→85的调整（这个调整需要前一时段产量<100时允许减5，但你的约束没正确放开这个规则）。

2. 二进制变量与产量状态的约束缺失 #

你写了这段代码试图关联产量和二进制变量：

for (i in 1:3){
  for (j in 7:10){
    x[i]=1
    x[j]=-100
    add.constraint(error, x, ">=", 0)
    x[i]=0
    x[j]=0
  }
}

这个约束的逻辑是p_i ≥ 100*b_i（如果二进制变量b_i=1，则p_i≥100），但缺少反向约束：如果p_i≥100，则对应的二进制变量b_i必须为1。没有这个反向约束，二进制变量就无法准确标记产量状态，调整幅度的约束自然无法生效。

3. 目标函数的定义可能存在歧义 #

你的目标函数是set.objfn(error,x)，其中x=c(0,0,0,0,0,1,0,0,0,0,0)，看起来是把第6个变量作为误差项，但你需要确认这个误差项是否准确代表了「产量与销量的差值」——比如是所有时段产量与S0的绝对差之和？还是平均产量与S0的差值？如果目标函数定义不对，也会导致模型找到的不是你想要的最优解。

要正确实现你的规则，需要重新梳理约束逻辑：

1. 明确变量定义

   • p1,p2,p3,p4：4个时段的产量（对应代码前4个变量）
   • b1,b2,b3,b4：二进制变量，b_i=1当且仅当p_i≥100（对应代码第7-10位变量）
   • e：误差项，需准确代表你要最小化的目标（比如所有时段产量与S0的绝对差之和，或平均差值）

2. 补充二进制变量与产量的双向约束
   给每个时段添加双向约束，让二进制变量准确标记产量状态：

   M <- 200 # 足够大的常数
   for (i in 1:4) {
     # 若b_i=1，则p_i≥100
     add.constraint(error, c(rep(0,i-1),1,rep(0,4-i),0,0,rep(0,i-1),-100,rep(0,4-i)), ">=",0)
     # 若b_i=0，则p_i<100（线性化处理为p_i ≤99 + M*b_i）
     add.constraint(error, c(rep(0,i-1),1,rep(0,4-i),0,0,rep(0,i-1),M,rep(0,4-i)), "<=",99+M)
   }
   

3. 正确定义产量调整幅度的约束
   关联前一时段的二进制变量和当前时段的调整幅度：

   for (i in 1:3) {
     # 调整上限：前一时段≥100时允许+10，否则允许+5
     add.constraint(error, c(rep(0,i-1),-1,1,rep(0,3-i),0,0,rep(0,i-1),5,rep(0,3-i)), "<=",5)
     # 调整下限：前一时段≥100时允许-10，否则允许-5
     add.constraint(error, c(rep(0,i-1),-1,1,rep(0,3-i),0,0,rep(0,i-1),5,rep(0,3-i)), ">=",-5)
   }
   

4. 修正目标函数
   如果要最小化所有时段产量与S0的绝对差之和，需要线性化处理绝对差：

   # 添加4个绝对差变量e1-e4（可扩展变量数量）
   # 目标函数设为最小化e1+e2+e3+e4
   # 给每个时段添加约束：
   # p_i - S0 ≤ e_i
   # S0 - p_i ≤ e_i
   # e_i ≥0
   

内容的提问来源于stack exchange，提问作者Jeppebirk