r-ompr MILPModel:二进制运算符的非数字参数

Question

我熟悉如何使用ompr:：MIPModel，但我正在努力学习如何使用MILPModel来利用模型构建速度。下面是我的模型的简化版本。我有两个决策变量，x和y，二进制，长度相等。我对所有x个决策变量的和和和所有y个决策变量之和都有约束。到目前为止，MILPModel还不错，我可以构建模型并快速求解。

问题是当我尝试使用下一个约束时。该约束的LHS将x个二进制决策变量乘以相同长度数据帧中的一个数字列，然后将其乘以一个矩阵，其中行等于x的长度。RHS中的y变量类似。然后，我将这个约束迭代20次，以表示矩阵的所有列。

我已经使用MIPModel多次使用类似的约束，但现在当我尝试这样做时，我会收到一条错误消息non-numeric argument to binary operator。我认为这与colwise函数有关，但我不熟悉如何处理这一问题，即使在ompr github网站上读过之后也是如此。提前感谢您的帮助。

add_variable(x[i], i=1:10, type='binary') %>%
add_variable(y[i], i=1:10, type='binary') %>%
add_constraint(sum_expr(x[i],i=1:10) <= 5) %>%
add_constraint(sum_expr(y[i],i=1:10) <= 3) %>%
#model builds and solves until this point...
add_constraint( 
sum_expr( x[i]* df$numeric_column[i] * matrix_a[i,j],i=1:10) <= 
sum_expr(  2* y[i]* df$numeric_column[i] * df$other_numeric_column[i] * matrix_a[i,j],i=1:10), 
j=1:20) 

Answer 1

想明白了。在约束中使用矩阵代数需要一些技巧。如果你需要的话，祝你好运，弄清楚如何在目标函数中使用矩阵代数

下面是比较MIPModel和MILPModel的示例。

library(tidyverse)
library(magrittr)
library(ompr)
library(ompr.roi)
library(ROI.plugin.glpk)
rm(list=ls())
numvec1 <- runif(10)
numvec2 <- runif(10)
matrix_a <- matrix(nrow=10,ncol=20,data=runif(10*20))
my_mip_model <- MIPModel() %>%

add_variable(x[i], i=1:10, type='binary') %>%
add_variable(y[i], i=1:10, type='binary') %>%
add_constraint(sum_expr(numvec1[i]*x[i],i=1:10) <= 5) %>%
add_constraint(sum_expr(2*y[i],i=1:10) <= 3) %>%

add_constraint( 
sum_expr( x[i]* numvec1[i] * matrix_a[i,j],i=1:10) <= 
sum_expr(  2* y[i]* numvec1[i] * numvec2[i] * matrix_a[i,j],i=1:10), 
j=1:20) %>%
set_objective( sum_expr(3*x[i]*numvec1[i],i=1:10),sense='max')
my_mip_model_solve <- my_mip_model %>% solve_model(with_ROI(solver='glpk'))

#functionally equivalent using MILPmodel----
my_milp_model <- MILPModel() %>%

add_variable(x[i], i=1:10, type='binary') %>%
add_variable(y[i], i=1:10, type='binary') %>%
add_constraint(sum_expr( colwise(numvec1[i]) * x[i],i=1:10) <= 5) %>%
add_constraint(sum_expr( colwise(2) * y[i],i=1:10) <= 3)  %>%
set_objective(sum_expr( colwise(3*numvec1[i]) * x[i],i=1:10),sense='max')
#now to add the matrix constraints, add a loop on the matrix column index j.
#with MIPModel we could just iterate on j in a single constraint, but here it appears
#we need to add the same constraint multiple times, and use the value of j to
#calculate the indices in as.numeric(matrix_a) that we want to use.
for(j in 1:ncol(matrix_a)){

my_milp_model %<>% add_constraint(

sum_expr( x[i]* colwise(numvec1[i] *
as.numeric(matrix_a)[(i + (nrow(matrix_a)*j -nrow(matrix_a)))]),i=1:10) <= 
sum_expr(  y[i]* colwise(2* numvec1[i] * numvec2[i] * 
as.numeric(matrix_a)[(i + (nrow(matrix_a)*j -nrow(matrix_a)))]) ,i=1:10) ) 

}
my_milp_model_solve <- my_milp_model %>% solve_model(with_ROI(solver='glpk'))
#objective value and results should be equal...
my_mip_model_solve
my_milp_model_solve