在 R 中设置线性规划调度问题

Question

我有一个内置于 Excel 中的线性规划调度问题，我想在 R 中重新创建它。

我有七个项目要安排在五个时期。示例（非最佳）时间表可能如下所示：

S <- matrix(c(0,0,1,0,0,0,0,0,1,0,0,0,0,1,1,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,1,0,1,0), nrow=5, ncol=7, byrow=TRUE)

> S
     [,1] [,2] [,3] [,4] [,5] [,6] [,7]
[1,]    0    0    1    0    0    0    0
[2,]    0    1    0    0    0    0    1
[3,]    1    0    0    0    0    0    0
[4,]    0    0    0    0    1    0    0
[5,]    0    0    0    1    0    1    0

其中每一列是一个项目，每一行是一个句点。它们必须是已安排或未安排的二元选择。

每个 item/period 选择都带有一个关联的 'reward'。这些奖励是预先定义好的，例如：

R <- matrix(c(1.78, .080, .46, 1.85, .18, .13, 2.65, 1.78, .080, .46, 3.15, .16, .13, 2.66, 1.78, .080, .40, 3.15, .16, .13, 2.17, 1.63, .072, .40, 3.06, .16, .12, 2.22, 1.66, .072, .40, 3.34, .16, .13, 2.19), nrow=5, ncol=7, byrow=TRUE)

> R
     [,1]  [,2] [,3] [,4] [,5] [,6] [,7]
[1,] 1.78 0.080 0.46 1.85 0.18 0.13 2.65
[2,] 1.78 0.080 0.46 3.15 0.16 0.13 2.66
[3,] 1.78 0.080 0.40 3.15 0.16 0.13 2.17
[4,] 1.63 0.072 0.40 3.06 0.16 0.12 2.22
[5,] 1.66 0.072 0.40 3.34 0.16 0.13 2.19

因此，在上面的示例 [R] 中，如果第一个 [,1] 项目被安排在第五个周期 [5,] 它将获得奖励 = 1.66。

每个周期项目的奖励是

> R*S
     [,1] [,2] [,3] [,4] [,5] [,6] [,7]
[1,] 0.00 0.00 0.46 0.00 0.00 0.00 0.00
[2,] 0.00 0.08 0.00 0.00 0.00 0.00 2.66
[3,] 1.78 0.00 0.00 0.00 0.00 0.00 0.00
[4,] 0.00 0.00 0.00 0.00 0.16 0.00 0.00
[5,] 0.00 0.00 0.00 3.34 0.00 0.13 0.00

我想为每个项目安排一次，并且在一个时间段内安排的项目不超过两个。我想最大化奖励。即，

max_select <- 2
# 
# maximize reward:
# maximize: sum([R]*[S])
# s.t.
# each item is only selected once:
# sum(S[,j]) = 1
# no more than two items selected per period:
# sum(S[i,]) <= max_select

我在使用 lpSolveAPI 进行设置时遇到一些困难。

Answer 1

将 objective 函数设置为 c(R) 并将每个行索引 i 的约束设置为 c(row(R) == i) ，每个行索引设置为 c(col(R) == j)列索引 j。同时将变量设置为二进制。

library(lpSolveAPI)

nr <- nrow(R)
nc <- ncol(R)
L <- make.lp(nr+nc, nr*nc)

set.objfn(L, c(R))
control <- lp.control(L, sense = "max")
for(i in 1:nr) add.constraint(L, c(row(R) == i), "<=", 2)
for(j in 1:nc) add.constraint(L, c(col(R) == j), "=", 1)
for(k in seq_along(R)) set.type(L, k, type = "binary")

solve(L) # 0 means succeeded
## [1] 0

matrix(get.variables(L), nr, nc)
##      [,1] [,2] [,3] [,4] [,5] [,6] [,7]
## [1,]    0    1    0    0    1    0    0
## [2,]    0    0    1    0    0    0    1
## [3,]    1    0    0    0    0    1    0
## [4,]    0    0    0    0    0    0    0
## [5,]    0    0    0    1    0    0    0

get.objective(L)
## [1] 8.63

# check that we got a larger objective value than S
sum(R * S)
## [1] 8.61

在 R 中设置线性规划调度问题

Setting Up a Linear Programming Scheduling Problem in R

optimization

r

linear-programming