GLPK — минимизировать значение переменной

Я работаю над внедрением виртуальных сетей и создаю модель с помощью glpk для внедрения сетей. У меня есть следующая целевая функция:

minimize cost: sum{(i,j) in VEdges} sum{u in SNodes, v in SNodes} weight[u,v] * fw[i,j,u,v] * secSupEdge[u,v] + sum{u in SNodes, v in SNodes} r[u,v] * secSupEdge[u,v];

Тогда у меня есть следующие два ограничения (среди прочего)

s.t. relConst2{(i,j) in VEdges, u in AllNodes, v in AllNodes}: bwDem[i,j] * phiw[i,j,u,v] >= fw[i,j,u,v];

s.t. linkSecConst0{(i,j) in VEdges, u in SNodes, v in SNodes}: phiw[i,j,u,v] * secDemEdge[i,j] <= secSupEdge[u,v];

"phiw" – это двоичная переменная.

"fw" и "r" — это переменные, принимающие любое значение >= 0.

все остальные ("вес", "bwDem", "secDemEdges", "secSupEdge") просто параметры

Я хочу связать phiw с fw. Когда fw > 0, phiw должно принимать значение 1. Когда fw == 0, phiw должно принимать значение значение 0.

Обычно он делает то, что я хочу, но иногда phiw принимает значение 1, когда fw имеет значение 0, а это не то, что мне нужно. Происходит это потому, что соблюдаются ограничения:

Пример 1:

с.т. относительная константа2: 4 * 1 >= 0

с.т. linkSecConst0: 1 * 2 ‹= 2

Есть ли способ минимизировать значение переменной phiw, не помещая ее в целевую функцию? Или поместить его в целевую функцию, но не изменить ни значение результата, ни значение всех других переменных?


variables glpk minimize
person LuisFerrolho    schedule 01.06.2016    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Вопрос касается минимизации phiw, однако описание проблемы предполагает, что то, что вы хотите сделать, это связать значения phiw и fw, и, в частности, иметь phiw = 1, когда fw > 0, и phiw = 0 в противном случае (т.е. , fw = 0).

Я бы посоветовал вам добавить ограничение, которое напрямую сопоставляет условное выражение fw со значением phiw, например:

s.t. LinkConstraint { (i,j) in VEdges, u in AllNodes, v in AllNodes }: if fw[i,j,u,v] > 0 then 1 else 0 = phiw[i,j,u,v] ;

person amsiix    schedule 20.03.2017