如果我使用二进制变量，CPLEX 找不到解决方案
CPLEX can't find a solution if I use binary vabriables
我正在使用 CPLEX 12.9 和 Python 来解决 MILP（混合整数线性问题）。
我尝试了两种方法；我期望得到相同的结果，但第一种方法有效，而第二种方法无效。
1) 第一种方法：
这种方法成功。在生成的“.lp”文件（一个包含人类可读的问题表述的文本文件：有一个必须最小化的 objective 函数和一些约束）可以看出 x6, x7, x8, x9, x10, x11是 continuous 变量，它们都等于 500（我定义它们的 upper 和 lower 边界等于 500；所以它们实际上是常量).
2) 第二种方法：
它 returns CPLEX Error 1217: No solution exists，所以 CPLEX 无法找到解决方案，但我不明白为什么。
我唯一改变的是：
- 我将
x6, x7, x8, x9, x10, x11设置为binary个变量；
- 对于它们中的每一个，我将
lower 边界定义为 0，upper 边界等于 500。
因此，生成的“.lp”文件与使用第一种方法生成的文件非常相似；唯一不同的是：
x6, x7, x8, x9, x10, x11 被定义为范围（而不是常量），因此它们是：
0 <= x6 <= 500
0 <= x7 <= 500
0 <= x8 <= 500
0 <= x9 <= 500
0 <= x10 <= 500
0 <= x11 <= 500
Binaries 部分（在“.lp”文件的末尾）现在也包含 x6, x7, x8, x9, x10, x11 个变量。
注：
即使（在第二种方法中）我将 lower 和 upper 边界都设置为 500，问题仍然存在。
如果您使用二进制，这意味着决策变量将是 0 或 1，即使您稍后添加了一些限制条件使其应小于 500。
如果您希望决策变量允许 500 作为值，您应该使用 float 或 integer 作为类型。
如果我使用 zoo example 并将整数更改为二进制：
from docplex.mp.model import Model
mdl = Model(name='buses')
nbbus40 = mdl.binary_var(name='nbBus40')
nbbus30 = mdl.binary_var(name='nbBus30')
mdl.add_constraint(nbbus40*40 + nbbus30*30 >= 300, 'kids')
mdl.minimize(nbbus40*500 + nbbus30*400)
mdl.solve()
print(mdl.solve_details.status)
给出：
integer infeasible
我正在使用 CPLEX 12.9 和 Python 来解决 MILP（混合整数线性问题）。 我尝试了两种方法；我期望得到相同的结果，但第一种方法有效，而第二种方法无效。
1) 第一种方法：
这种方法成功。在生成的“.lp”文件（一个包含人类可读的问题表述的文本文件：有一个必须最小化的 objective 函数和一些约束）可以看出 x6, x7, x8, x9, x10, x11是 continuous 变量，它们都等于 500（我定义它们的 upper 和 lower 边界等于 500；所以它们实际上是常量).
2) 第二种方法：
它 returns CPLEX Error 1217: No solution exists，所以 CPLEX 无法找到解决方案，但我不明白为什么。
我唯一改变的是：
- 我将
x6, x7, x8, x9, x10, x11设置为binary个变量； - 对于它们中的每一个，我将
lower边界定义为0，upper边界等于500。
因此，生成的“.lp”文件与使用第一种方法生成的文件非常相似；唯一不同的是：
x6, x7, x8, x9, x10, x11被定义为范围（而不是常量），因此它们是：0 <= x6 <= 500 0 <= x7 <= 500 0 <= x8 <= 500 0 <= x9 <= 500 0 <= x10 <= 500 0 <= x11 <= 500Binaries部分（在“.lp”文件的末尾）现在也包含x6, x7, x8, x9, x10, x11个变量。
注：
即使（在第二种方法中）我将 lower 和 upper 边界都设置为 500，问题仍然存在。
如果您使用二进制，这意味着决策变量将是 0 或 1，即使您稍后添加了一些限制条件使其应小于 500。
如果您希望决策变量允许 500 作为值，您应该使用 float 或 integer 作为类型。
如果我使用 zoo example 并将整数更改为二进制：
from docplex.mp.model import Model
mdl = Model(name='buses')
nbbus40 = mdl.binary_var(name='nbBus40')
nbbus30 = mdl.binary_var(name='nbBus30')
mdl.add_constraint(nbbus40*40 + nbbus30*30 >= 300, 'kids')
mdl.minimize(nbbus40*500 + nbbus30*400)
mdl.solve()
print(mdl.solve_details.status)
给出：
integer infeasible