制定线性整数规划约束
Formulating Linear Integer Programming Constraint
我正在尝试为优化问题制定一个约束条件，该约束条件强制解决方案（产品组合，用二进制数字表示以表示它们是否被选中）具有特定的 属性订单。
假设选择了产品 1、2 和 5，则该解决方案由 [1, 1, 0, 0, 1] 表示。这些产品还有一个必须按顺序排列的 属性（位置）。用于检查的 Python 函数为：
def products_in_order(products_selected):
locations = [p.location for p in products_selected]
# locations = [80, 79, 81] (for instance)
return max(locations) - min(locations) <= 2
（这是有效的，因为它们永远不会在同一个位置）
但是，它变得更难了。最大位置是 99，环绕：所以 [98, 99, 0] 也是一个有效的解决方案。
始终恰好选择了三个产品。
感谢您提供的任何帮助，我已经为此苦苦挣扎了很长一段时间。现在我正在枚举所有可能的配置，产生 100 个约束（这让事情变得很慢）。
JR
您要找的条件是
return abs( mod( max(locations) - min(locations) +50,100)-50) <=2
或一般形式：
abs(mod( distance + range/2,range)-range/2)
这给出了圆形中的最小距离 space。常用于计算圆内2个给定点的angular距离，范围为2*pi，距离为angle2-angle1
我最终用我的一个朋友提出的元解决方案解决了这个问题。
由于选择位置 X 的产品会推断出其他允许的选择（即 X+1 和 X+2），因此优化产品组而不是单个产品是有意义的。我已经构建了这个并且它工作得很漂亮。
感谢您的回复！
我正在尝试为优化问题制定一个约束条件，该约束条件强制解决方案（产品组合，用二进制数字表示以表示它们是否被选中）具有特定的 属性订单。
假设选择了产品 1、2 和 5，则该解决方案由 [1, 1, 0, 0, 1] 表示。这些产品还有一个必须按顺序排列的 属性（位置）。用于检查的 Python 函数为：
def products_in_order(products_selected):
locations = [p.location for p in products_selected]
# locations = [80, 79, 81] (for instance)
return max(locations) - min(locations) <= 2
（这是有效的，因为它们永远不会在同一个位置）
但是，它变得更难了。最大位置是 99，环绕：所以 [98, 99, 0] 也是一个有效的解决方案。
始终恰好选择了三个产品。
感谢您提供的任何帮助，我已经为此苦苦挣扎了很长一段时间。现在我正在枚举所有可能的配置，产生 100 个约束（这让事情变得很慢）。
JR
您要找的条件是
return abs( mod( max(locations) - min(locations) +50,100)-50) <=2
或一般形式：
abs(mod( distance + range/2,range)-range/2)
这给出了圆形中的最小距离 space。常用于计算圆内2个给定点的angular距离，范围为2*pi，距离为angle2-angle1
我最终用我的一个朋友提出的元解决方案解决了这个问题。
由于选择位置 X 的产品会推断出其他允许的选择（即 X+1 和 X+2），因此优化产品组而不是单个产品是有意义的。我已经构建了这个并且它工作得很漂亮。
感谢您的回复！