如何捕获规划实体副作用？车辆路径问题库存转移一致性求解

影子变量完全可以准确建模库存增减并维持实体间的一致性，这也是这类带库存流转约束的路径规划场景里的标准解决方案之一。

核心逻辑 #

影子变量的本质是依赖决策变量的派生状态变量，它的取值完全由决策（比如运输路线的货物量、执行顺序）和预设的约束规则决定，不会出现独立变量的取值冲突问题，刚好适配你需要的“仓库-车辆-仓库”库存流转同步场景。

具体建模实现 #

针对你给出的抽象模型，可以按以下步骤绑定影子变量并添加约束：

1. 定义核心决策变量

   • 为每个Route定义transport_qty[Route, Item]：表示该路线运输某类物品的数量（整数变量，非负）。
   • 如果路线存在“是否执行”的可选性，再添加route_active[Route]（0-1布尔变量）。

2. 仓库库存的影子变量约束

   • 为每个Warehouse和Item创建影子变量warehouse_inv_shadow[Warehouse, Item]，初始值等于仓库的原始库存。
   • 添加流转约束：
     • 对所有从仓库A出发的路线：warehouse_inv_shadow[A, Item] = warehouse_initial_inv[A, Item] - sum(transport_qty[Route, Item] for Route in outgoing_routes[A])
     • 对所有到仓库B的路线：warehouse_inv_shadow[B, Item] = warehouse_initial_inv[B, Item] + sum(transport_qty[Route, Item] for Route in incoming_routes[B])
   • 额外约束：warehouse_inv_shadow[Warehouse, Item] >= 0（仓库库存不能为负）。

3. 车辆库存的影子变量约束

   • 为每个Vehicle和Item创建影子变量vehicle_inv_shadow[Vehicle, Item]，初始值为0。
   • 按路线的执行顺序（如果有时间维度）添加流转约束：
     • 车辆从仓库装货后：vehicle_inv_shadow[Vehicle, Item] += transport_qty[Route, Item]
     • 车辆到目标仓库卸货后：vehicle_inv_shadow[Vehicle, Item] -= transport_qty[Route, Item]
   • 额外约束：vehicle_inv_shadow[Vehicle, Item] >= 0且vehicle_inv_shadow[Vehicle, Item] <= vehicle_capacity[Vehicle, Item]（车辆库存不能为负、不能超载重）。

一致性保障 #

只要上述约束逻辑覆盖所有库存流转场景，求解器在搜索可行解时，会自动保证影子变量的取值始终同步：

• 仓库发出的货物量，必然等于车辆装载的货物量；
• 车辆卸下的货物量，必然等于目标仓库接收的货物量；
• 所有实体的库存状态始终符合流转规则，不会出现逻辑矛盾。

注意点 #

• 如果涉及多路线的时间顺序（比如同一车辆执行多个运输任务），需要通过时间窗变量或顺序约束来保证影子变量的更新顺序正确，避免出现“先卸货再装货”的逻辑错误。
• 不同求解器的约束语法略有差异，比如整数规划求解器需要把上述逻辑转化为线性约束，启发式求解器可以通过变量监听器动态更新影子变量值，但核心逻辑一致。

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