Блог

Главная - Вопросы по программированию - Или-Tools CP-SAT решатель экспорт / импорт: как получить доступ к переменным после загрузки модели?

Или-Tools CP-SAT решатель экспорт / импорт: как получить доступ к переменным после загрузки модели?

#python #or-tools #cp-sat-solver

#python #или-инструменты #cp-sat-решатель

Вопрос:

Используя интерфейс Python для решателя OR-Tools CP-CAT (ссылка), я хотел бы иметь возможность сохранять cp_model, загружать его позже или из другого процесса и продолжать взаимодействовать с ним.

Я могу сериализовать модель в Protubuf, а затем загрузить и решить ее:

 from google.protobuf import text_format
from ortools.sat.python import cp_model

def create_model():
    model = cp_model.CpModel()
    a = model.NewIntVar(0, 10, "var_a")
    b = model.NewIntVar(0, 10, "var_b")

    model.Maximize(a   b)
    return model
    
def clone_model(model):
    new_model = cp_model.CpModel()
    text_format.Parse(str(model), new_model.Proto())
    
    return new_model

def solve_model(model):
    solver = cp_model.CpSolver()
    status = solver.Solve(new_model)

    print(solver.StatusName(status))
    print(solver.ObjectiveValue())

# Works fine
model = create_model()
new_model = clone_model(model)
solve_model(new_model)

(источник)

Тем не менее, я хотел бы продолжать взаимодействовать с моделью после ее загрузки. Например, я хочу иметь возможность делать что-то вроде:

 model = create_model()
new_model = clone_model(model)

c = new_model.NewIntVar(0, 5, "var_c")    
new_model.Add(a < c)

Проблема в том, что эта последняя строка не работает, потому a что не определена; и я не смог найти никакого способа доступа к переменным существующей модели.

Я ищу что-то вроде: a = new_model.getExistingVariable("var_a") что позволит мне продолжать взаимодействовать с уже существующими переменными в модели после ее загрузки.

Комментарии:

1. Это не реализовано.

2. Я думаю, вы могли бы попытаться выбрать модель вместе с переменными

3. Что ж, похоже, что подход pickle работает. Я чувствую себя немного глупо 🙂 Я не уверен, насколько надежным он будет для новых версий, но, поскольку он, похоже, работает, я добавлю его в качестве ответа — позволит людям легко указывать на проблемы

Ответ №1:

Подход, который, похоже, работает, основанный на комментарии @Stradivari, заключается в том, чтобы просто pickle использовать модель вместе с ее переменными.

Например:

 from ortools.sat.python import cp_model
import pickle

class ClonableModel:
    def __init__(self):
        self.model = cp_model.CpModel()
        self.vars = {}
        
    def create_model(self):
        self.vars['a'] = self.model.NewIntVar(0, 10, "var_a")
        self.vars['b'] = self.model.NewIntVar(0, 10, "var_b")

        self.model.Maximize(self.vars['a']   self.vars['b'])
        
    # Also possible to serialize via a file / over network 
    def clone(self):
        return pickle.loads(pickle.dumps(self))
    
    def solve(self):
        solver = cp_model.CpSolver()
        status = solver.Solve(self.model)

        return '%s: %i' % (solver.StatusName(status), solver.ObjectiveValue())

Теперь следующее работает, как и ожидалось:

 model = ClonableModel()
model.create_model()

new_model = model.clone()
new_model.model.NewIntVar(0,5,"c")
new_model.model.Add(new_model.vars['a'] < c)

print('Original model: %s' % model.solve())
print('Cloned model: %s' % new_model.solve())

# Original model: OPTIMAL: 20
# Cloned model: OPTIMAL: 14