多目标优化函数(gurobi)中系数确定的仿真

Question

我正在为一个工业质量实验室的Job Shop调度构建一个相当大且复杂的优化模型，我正在使用gurobi。

这是一个多目标模型，我需要最小化四台不同机器上的处理时间，但我还需要优先安排管道，这些管道将释放更多的材料运往客户(保持低库存)。

一个管道可以关联一个或多个测试，我也可以将多个管道关联到一个订单；一旦完成了所有需要的测试，订单就可以发送给客户端。管道被放在一些盒子里，然后被带到机器上(一台机器一次一个盒子)，机器处理里面的所有管道。

我的目标函数如下：

OBJECTIVE   = gp.quicksum(T[m] for m in machines)
            - gp.quicksum(Pipe_Box[i,ii,c] * box_convenience[i][ii] * k1
            for i in pipes for ii in pipes for c in boxes if pipes.index(ii) > 
            pipes.index(i))
            - gp.quicksum(Weight_Check[i,c,m] * Pipe_Weight_Flag[i] * k2 for 
            i in pipes for c in boxes for m in machines)

首先，我最小化机器时间。

其次，我正在考虑这样一个事实:如果我将与订单关联的所有管道放在一个盒子中，那么我将比将这些管道放在不同的盒子中更快地解锁订单。

第三，也是最后一点，我正在考虑所有订单重量/测试数量在5吨以上的订单。

T[m], Pipe_Box[i,ii,c] and Weight_Check[i,c,m]

是我的变量。

box_convenience[i][ii] and Pipe_Weight_Flag[i]

是二进制参数，它们告诉我不同的管道是否属于相同的顺序，以及消泡率是否大于5吨

k1 ad k2

是系数，我需要知道，对于多目标函数，它们的最佳配置是什么。

我正在考虑运行一个带有两个嵌套循环的模拟，从零开始k1和k2，并将它们递增+100直到某个阈值(假设每个阈值为3000 )。

在这种情况下，我会有90个不同的模型迭代，因此有不同的解决方案。

我想知道在gurobi中是否有一个内置的工具来执行这个任务，或者我是否可以使用另一种方法并使用像simpy这样的库来实现我想要的。

Gurobi将目标函数保存在一个具有专有.sol扩展名的文本文件中(我认为，这是一个普通的文本文件)，其结构如下：

# Solution for model Job Shop Scheduling
# Objective value = 1.9384345683700005e+04
T[M1] = 1000
T[M2] = 5332
...
Pipe_Box[Pipe1,Pipe2,Box1] = 1
Pipe_Box[Pipe1,Pipe2,Box2] = 0
...

我从来不需要做这样的事情，我有点不知所措，任何投入或帮助都会非常感谢！

编辑:我看到gurobi支持多目标优化，所以下面的代码可以工作：

model.setObjectiveN(gp.quicksum(T[m] for m in machines), 2, 1)
model.setObjectiveN(- gp.quicksum(Pipe_Box[i,ii,c] * box_convenience[i][ii]
                    for i in pipes for ii in pipes for c in boxes if 
                    pipes.index(ii) > pipes.index(i), 1, 1)
model.setObjectiveN(- gp.quicksum(Weight_Check[i,c,m] * Pipe_Weight_Flag[i] * k2 
                    for i in pipes for c in boxes for m in machines, 1, 1)

问题仍然是一样的，有没有办法改变权重和优先级参数并获得不同的解决方案？

Answer 1

这并不总是可能的，但如果你能用美元来表达这两个目标，那么这个问题就解决了。

否则，我通常做的是：(1)找到目标的“框”(每个目标的最小/最大值)，然后(2)进行粗略的网格搜索。这将生成一些结果，您可以使用这些结果来改进内容。(估计的)有效边界的图片可以帮助交流事物，还可以帮助识别需要更精细网格的有趣区域(空间的某些部分可能是平的)。