Minizinc模型在"MiniZinc:内部错误:错误:解决程序后端无法处理约束: float_div“中失败

Question

我只是个初学者，想看看我是否能在日常生活中使用minizinc。我试图建立的第一个模型是这里，数据文件是这里

基本上，我想做的就是这个。一方面，我有一组具有一些属性的虚拟机，比如一些内核、RAM等等。另一方面，我从云提供商那里提取了一组VM。它们也有相似的属性和价格。我要做的是匹配它们，然后在云中相应VM的大小与其价格之间找到最佳平衡。

例如，如果我有一个有两个核心和8GB RAM的VM。为了与之匹配，我可能会使用云提供商提供的几种VM，这些VM应该具有不少于2个内核和不少于8GB的RAM/但对于这组VM，我希望将总体成本降到最低，同时尝试最大限度地提高性能，这是以云提供商的ACUs来衡量的。

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价格和性能调整模型。但也许我做错了。

为了简单起见，我只需复制和粘贴下面的代码。

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]) ]

我把它作为：

minizinc.exe  -i --solver coin-bc -s -a C:\Work\tools\demo\graphs-n-minizinc-demo\vmCostsCalculation.mzn C:\Work\tools\demo\graphs-n-minizinc-demo\vmData.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，但是它太慢了，永远无法找到最优的解决方案。

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，但我不能真正理解我应该改变什么，以及为什么它不能以这种方式工作。

谢谢!

Answer 1

CBC求解程序抛出错误backend cannot handle constraint: float_div的原因是该求解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。

有些求解器确实支持非线性浮点约束，例如Gecode、JaCoP、OptiMathSAT和Choco。

为了加快Gecode求解程序的速度，可以尝试将搜索启发式添加到solve函数中，例如：

solve :: int_search(selectedDiskSize,first_fail,indomain_split) maximize targetFunc;

搜索注释在这里描述：https://www.minizinc.org/doc-2.4.3/en/lib-annotations.html#search-annotations。

我要求一个较小的数据集的原因是，在这些情况下，人们可能尝试不同的启发式，然后一个较小的数据集更快，以获得一个好的选择。

在数据和模型中使用浮点值限制了可以使用的FlatZinc求解器的范围。有相当多的求解者处理的模型只有整数变量和值。

因此，另一种方法可能是将所有浮点值转换为整数(通过乘以某个常量，并相应地调整其他值)。然后，所有其他的FlatZinc解算器都可以使用，例如，PicatSAT，或工具，等等.