ojAlgo - Выражение переменных в качестве границ в оптимизации?

Question

Я играл с ojAlgo и до сих пор был в восторге. Я провел несколько исследований с ним, но у меня возникли проблемы с этой проблемой, описанной в этой статье.

Я использую Kotlin вместо Java, но это не должно вызывать никаких проблем. Я застрял, пытаясь ввести выражение в мою модель, но ограничиваясь переменной, а не буквальным числовым значением. Как мне это ввести?

Вот моя работа до сих пор:

import org.ojalgo.optimisation.ExpressionsBasedModel
import org.ojalgo.optimisation.Variable


fun main(args: Array<String>) {

    val model = ExpressionsBasedModel()

    val ingredients = sequenceOf(
            Ingredient("Pork", 4.32, 30),
            Ingredient("Wheat", 2.46, 20),
            Ingredient("Starch", 1.86, 17)
    ).map { it.name to it }
     .toMap()

    val sausageTypes = sequenceOf(
            SausageType("Economy", .40),
            SausageType("Premium", .60)
    ).map { it.description to it }
     .toMap()

    // Map concatenated string keys to variables
    val variables = ingredients.values.asSequence().flatMap { ingredient ->
        sausageTypes.values.asSequence()
                .map { type -> Combo(ingredient,type)}
    }.map { it.toString() to Variable.make(it.toString()).lower(0).weight(it.ingredient.cost) }
     .toMap()

    // add variables to model
    model.addVariables(variables.values)

    // Pe + We + Se = 350 * 0.05
    model.addExpression("EconomyDemand").level(350.0 * 0.05).apply {
        set(variables["Pork-Economy"], 1)
        set(variables["Wheat-Economy"], 1)
        set(variables["Starch-Economy"], 1)
    }

    // Pp + Wp + Sp = 500 * 0.05
    model.addExpression("PremiumDemand").level(500.0 * 0.05).apply {
        set(variables["Pork-Premium"], 1)
        set(variables["Wheat-Premium"], 1)
        set(variables["Starch-Premium"], 1)
    }

    // Pe >= 0.4(Pe + We + Se) 
    // compile error?
    model.addExpression("EconomyGovRestriction").upper(variables["Pork-Economy"]).apply {
        set(variables["Pork-Economy"], .4)
        set(variables["Wheat-Economy"], .4)
        set(variables["Starch-Economy"], .4)
    }
}

data class Combo(val ingredient: Ingredient, val sausageType: SausageType) {
    override fun toString() = "$sausageType-$ingredient"
}

data class SausageType(val description: String, val porkRequirement: Double) {
    override fun toString() = description
}

data class Ingredient(val name: String, val cost: Double, val availability: Int) {
    override fun toString() = name
}

Answer 1

Вы не можете сделать это. Вы не можете напрямую моделировать expr1 >= expr2, Вместо этого вы должны моделировать (expr1 - expr2) >= 0, В вики ojAlgo есть пример, описывающий, как смоделировать подобную проблему: https://github.com/optimatika/ojAlgo/wiki/The-Diet-Problem

Answer 2

Для будущих читателей, вот полное рабочее решение, которое я придумал.

import org.ojalgo.optimisation.ExpressionsBasedModel
import org.ojalgo.optimisation.Variable
import java.math.RoundingMode


fun main(args: Array<String>) {

    val model = ExpressionsBasedModel()

    val ingredients = sequenceOf(
            Ingredient("Pork", 4.32, 30),
            Ingredient("Wheat", 2.46, 20),
            Ingredient("Starch", 1.86, 17)
    ).map { it.name to it }
     .toMap()

    val sausageTypes = sequenceOf(
            SausageType("Economy", .40),
            SausageType("Premium", .60)
    ).map { it.description to it }
     .toMap()

    // Map concatenated string keys to variables
    val variables = ingredients.values.asSequence().flatMap { ingredient ->
        sausageTypes.values.asSequence()
                .map { type -> Combo(ingredient,type)}
    }.map { it.toString() to Variable.make(it.toString()).lower(0).weight(it.ingredient.cost) }
     .toMap()

    // add variables to model
    model.addVariables(variables.values)


    // Pe + We + Se = 350 * 0.05
    model.addExpression("EconomyDemand").level(17.5).apply {
        set(variables["Pork-Economy"], 1)
        set(variables["Wheat-Economy"], 1)
        set(variables["Starch-Economy"], 1)
    }

    // Pp + Wp + Sp = 500 * 0.05
    model.addExpression("PremiumDemand").level(25).apply {
        set(variables["Pork-Premium"], 1)
        set(variables["Wheat-Premium"], 1)
        set(variables["Starch-Premium"], 1)
    }

    // Pe >= 0.4(Pe + We + Se)
    model.addExpression("EconomyPorkRatio").upper(0.0).apply {
        set(variables["Pork-Economy"], -0.6)
        set(variables["Wheat-Economy"], .4)
        set(variables["Starch-Economy"], .4)
    }

    // Pe >= 0.6(Pp + Wp + Sp)
    model.addExpression("PremiumPorkRatio").upper(0.0).apply {
        set(variables["Pork-Premium"], -0.4)
        set(variables["Wheat-Premium"], .6)
        set(variables["Starch-Premium"], .6)
    }

    // Se <= .25(Pe + We + Se)
    // Sp <= .25(Pp + Wp + Sp)
    sausageTypes.values.forEach {
        model.addExpression("${it}StarchRestriction").lower(0.0).apply {
            set(variables["Pork-$it"], .25)
            set(variables["Wheat-$it"], .25)
            set(variables["Starch-$it"], -0.75)
        }
    }

    // Pe + Pp <= 30
    // We + Wp <= 20
    // Se + Sp <= 17
    ingredients.values.forEach { ingredient ->
        model.addExpression("${ingredient}SupplyConstraint").upper(ingredient.availability).apply {
            sausageTypes.values.forEach { sausageType ->
                set(variables["$ingredient-$sausageType"], 1)
            }
        }
    }

    // Pe + Pp >= 23
    model.addExpression("ContractPorkRestriction").lower(23).apply {
        set(variables["Pork-Economy"], 1)
        set(variables["Pork-Premium"], 1)
    }


    // go!
    val result = model.minimise()

    println("OPTIMIZED COST: ${result.value}")


    model.variables.asSequence()
            .map { it.name }
            .zip(result.asSequence().map { it.setScale(3, RoundingMode.HALF_DOWN) })
            .forEach(::println)

}

data class Combo(val ingredient: Ingredient, val sausageType: SausageType) {
    override fun toString() = "$ingredient-$sausageType"
}

data class SausageType(val description: String, val porkRequirement: Double) {
    override fun toString() = description
}

data class Ingredient(val name: String, val cost: Double, val availability: Int) {
    override fun toString() = name
}

ВЫХОД:

OPTIMIZED COST: 140.955
(Pork-Economy, 8.000)
(Pork-Premium, 15.000)
(Wheat-Economy, 5.125)
(Wheat-Premium, 3.750)
(Starch-Economy, 4.375)
(Starch-Premium, 6.250)