python之如何防止 PuLP 和 python 出现不可行错误_编程设计

我有一个优化问题，我写了一个 python 程序来解决它。我将 Pulp 与 CPLEX 求解器结合使用:

import pulp 
 
prob = LpProblem("myProblem", LpMinimize) 
x = pulp.LpVariable.dicts("p", range( K ), 0, 1, pulp.LpContinuous) 
prob += pulp.lpSum( x[k] for k in range( K ) ) 
... 
# Rest of the constraints 
 
status = prob.solve( pulp.CPLEX( msg = 0 ) )

我得到错误:

  File "C:\Anaconda\lib\site-packages\pulp\solvers.py", line 468, in readsol 
    raise PulpSolverError, "Unknown status returned by CPLEX: "+statusString 
pulp.solvers.PulpSolverError: Unknown status returned by CPLEX: infeasible

我的问题是:如何测试问题是否不可行？我想阻止这个事件，比如如果问题不可行则返回 0。

我试过了:

if prob.status == 'infeasible': 
    ...

我试过了

if pulp.LpStatusInfeasible == 'infeasible': 
    ...

请您参考如下方法:

您的“问题”是确定给定的问题实例是否可行，或者您是否真的对可行的解决方案感兴趣。我不会仅仅在模型不可行时捕获错误，而是会检查您的问题并尝试添加一些松弛变量和惩罚成本，以便在问题不可行时为您提供更多信息。

所以与其添加像

这样的硬约束

sum(x) <= K

你可以尝试类似的东西

sum(x) <= K + penaltyVar

并在您的目标中添加一个术语，例如 1000000 * penaltyVar，这样求解器就真的不想将该惩罚变量用作非零值。

在模型的不同位置添加这些松弛/惩罚变量可以帮助确定约束太紧以及使模型不可行的地方。

不过，不要只是忽略上面的答案，因为捕获错误仍然很有值(value)。