我只是一个初学者，想看看我是否可以在日常生活中使用微量锌。我试图制作的第一个模型在这里，数据文件在这里
基本上，我想做的就是这个。一方面，我有一组具有某些属性的虚拟机，如多个内核、RAM等。另一方面，我们从云提供商那里获得了一组虚拟机。这些也有类似的属性和价格。我想做的是匹配它们，然后在云中相应VM的大小和价格之间找到最佳平衡。
例如，如果我有一个有2个内核和8 GB RAM的虚拟机。为了匹配它，我可能会使用云提供商提供的几种虚拟机，这些虚拟机应该具有不少于2个核心和不少于8 GB的RAM/但对于这组虚拟机，我希望最大限度地降低总体成本，同时尝试最大限度地提高性能，这是以ACUs衡量的云提供商。
我想使用var float: targetFunc = (0.9 * totalPrice) / (0.1 * totalACU);作为目标函数，假设系数将帮助我根据性价比对模型进行微调。但是，也许我做错了。
为了简单起见，我只是复制并粘贴下面的代码。
enum existingVMs;
enum vmSizes;
enum vmDisks;
array[existingVMs] of int: vmCPU;
array[existingVMs] of int: vmRAM;
array[existingVMs] of int: vmDisk;
array[existingVMs] of int: vmCpuToRamRatio;
array[vmSizes] of int: vmSizeCPU;
array[vmSizes] of float: vmSizeRAM;
array[vmSizes] of int: vmSizePrice;
array[vmSizes] of int: vmSizeACU;
array[vmSizes] of int: vmSizeCpuToRamRatio;
array[vmDisks] of int: vmDiskSizes;
array[vmDisks] of float: vmDiskPrice;
array[existingVMs] of var vmSizes: selectedSize;
array[existingVMs] of var vmDisks: selectedDiskSize;
constraint forall(vm in existingVMs)(
vmSizeACU[selectedSize[vm]] > 50
);
constraint forall(vm in existingVMs)(
vmSizeRAM[selectedSize[vm]] >= vmRAM[vm]
);
constraint forall(vm in existingVMs)(
vmSizeCPU[selectedSize[vm]] >= vmCPU[vm] * 0.8
);
var int: totalPrice = sum(vm in existingVMs)(vmSizePrice[selectedSize[vm]]);
var int: totalACU = sum(vm in existingVMs)( vmSizeACU[selectedSize[vm]] );
var float: targetFunc = (0.9 * totalPrice) / (0.1 * totalACU);
solve maximize targetFunc;
output [ "(totalPrice); (totalACU)n" ++ join("n", ["(vm), (vmCPU[vm]), (vmRAM[vm]), " ++
"(vmDisk[vm]), (selectedSize[vm]), (vmSizeCPU[selectedSize[vm]]), " ++
"(vmSizeRAM[selectedSize[vm]]), (vmDiskSizes[selectedDiskSize[vm]]), " ++
"(vmSizePrice[selectedSize[vm]]), (vmSizeACU[selectedSize[vm]])" | vm in existingVMs]) ]
我将其运行为：
minizinc.exe -i --solver coin-bc -s -a C:Worktoolsdemographs-n-minizinc-demovmCostsCalculation.mzn C:Worktoolsdemographs-n-minizinc-demovmData.dzn
并得到以下回应
82 POSTs [ 0,0,0,0,0,0,0,0,0,0, ], LINEQ [ 0,0,0,0,0,0,0,0,82, ], 82 / 82 vars, 82 cliques, 1 / 1 / 1 NSubIntv m/a/m, 252 / 252 / 252 SubIntvSize m/a/m, 82+0(0) clq eq_encoded ... % Generated FlatZinc statistics:
%%%mzn-stat: paths=0
%%%mzn-stat: flatIntVars=21158
%%%mzn-stat: flatFloatVars=20831
%%%mzn-stat: flatIntConstraints=412
%%%mzn-stat: flatFloatConstraints=20831
%%%mzn-stat: method="maximize"
%%%mzn-stat: flatTime=4.09564
%%%mzn-stat-end
MiniZinc: internal error: Error: solver backend cannot handle constraint: float_div
我试着使用gecode，但它太慢了，永远无法找到最佳解决方案。
我做错什么了吗？在哪里？也许我需要以不同的方式设置目标函数，但我真的不明白我应该改变什么，以及为什么它不能以这种方式工作。
谢谢！
CBC解算器抛出错误backend cannot handle constraint: float_div的原因是该解算器不支持非线性约束，例如目标targetFunc中的div约束。它只支持线性约束。
有些解算器确实支持非线性浮点约束，例如Gecode、JaCoP、OptiMathSAT和Choco。
为了加快Gecode求解器的速度，您可以尝试在solve函数中添加搜索启发式，例如：
solve :: int_search(selectedDiskSize,first_fail,indomain_split) maximize targetFunc;
此处介绍了搜索注释：https://www.minizinc.org/doc-2.4.3/en/lib-annotations.html#search-注释。
我要求更小的数据集的原因是，在这些情况下，人们可能会尝试不同的启发式方法，然后更小的数据集中获得更好的选择要快得多。
在数据和模型中使用浮点值会限制可以使用的FlatZinc解算器的范围。还有相当多的解算器只处理具有整数变量和值的模型。
因此，另一种方法可能是将所有浮点值转换为整数(通过乘以某个常数，并相应地调整其他值(。然后可以使用所有其他FlatZinc解算器，例如Chuffed、OR工具、PicatSAT等。