Python 纸浆绝对约束

Question

假设我的 PuLP 定义中有一组决策变量：

vals = [-v for k, v in (DecisionVars.items())]

并且我想创建一个与所有约束总和的绝对值相关的约束。所以像这样：

for i in range(len(DecisionVars)):
   prob += lpSum(abs(vals[:i+1])) <= some_limit, "Absolute constraint"

但我似乎无法将 abs() 运算符应用于我的约束？

更新

好的，如果我利用 post 中的信息，那么我的问题可以用不同的方式表述。我现在正在尝试评估：

abs(x1) + abs(x2) + abs(x3) <= some_limit

正如上面 link 中指出的那样，答案可能是创建向量 x 的 1-范数（其中 x 是上述决策变量的向量）。我可以看到 numpy 有 numpy.linalg.norm 但我看不到这如何在 PuLP 中递归地创建我的约束集。我正在努力使用 lpSum.

创建正确的语法

Answer 1

每个变量的权利

X1 创建两个新的非负变量 Y1 和 Z1 >=0

然后设置约束

X1 == Y1 - Z1

那么你的腹肌约束就变成了

Y1 + Z1 +.... <= 10

Answer 2

每个绝对变量都需要另一个变量和两组约束。

m += xn <= tn
m += -xn <= tn

那么tn的和就是xn的绝对值之和