如何防止纸浆和蟒蛇不可行的错误？

Question

我有一个优化问题，我写了一个python程序来解决它。我用纸浆与CPLEX求解：

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)) 

我得到的错误：

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，如果问题是不可行或不？我想防止这种事件一样，如果问题是不可行的则返回0

我想：

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

，我试图

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

Answer 1

我想你可以通过内部进行封闭的声明解决这个一个try-exception条款。

例如：

# ... 
try: 
    status = prob.solve(pulp.CPLEX(msg = 0)) 
except PulpSolverError: 
    # infeasible 
    return 0 

return status 

Answer 2

是您的“问题”找到一个给定的问题，例如是否可行与否，或者是你真正感兴趣的解决方案是否可行。当模型不可行时，我会考虑你的问题并试图增加一些松弛变量和惩罚成本，以便在问题不可行时给予更多信息。

因此，而不是添加像

sum(x) <= K 

硬约束，你可以尝试像

sum(x) <= K + penaltyVar 

，并加上一个期限到你的目标象1000000 * penaltyVar使解算器确实不想要使用该惩罚变量作为非零。

在模型中的各个位置添加这些松弛/惩罚变量可以帮助确定约束条件太紧，并使模型不可行。

不要忽视上面的答案，因为捕捉错误仍然很有价值。