SimPy 模拟的 SciPy 最小化表示“不等式约束不兼容”仅使用 eq 约束时

Question

因此，我试图最大化队列链的输出，在构建整个模拟之后，我应用了“-最小化”方法。代码确实运行了，但是当我检查结果时，我看到的只是

fun: -76.0
     jac: array([2.68435456e+08, 1.34217728e+08, 2.01326592e+08])
 message: 'Inequality constraints incompatible'
    nfev: 4
     nit: 1
    njev: 1
  status: 4
 success: False
       x: array([5., 5., 5.])

([5,5,5]) 我的初始输入。 当我尝试用更简单的虚拟函数替换该函数时，它确实进行了优化，没有出现任何问题，所以至少我知道错误应该出现在交互中（因为模拟是独立工作的）。

这是相关的代码，包括定义模拟：

import simpy
import random
from scipy.optimize import minimize

b1,b2,b3=0,0,0
#4 machines

class Tandem_Model:
    def __init__(self, env):
        # self.material=simpy.Container(env, capacity=9999999999, init= 999999999)
        self.buff1 = simpy.Container(env, capacity = b1+1, init =0)
        self.buff2 = simpy.Container(env, capacity = b2+1, init =0)
        self.buff3 = simpy.Container(env, capacity = b3+1, init =0)
        self.output = simpy.Container(env, capacity = 99999999999999999999, init =0)
        

def mach1(env, tandem_model):
    while True:
        # yield tandem_model.wood.get(1)
        mach1_time = random.expovariate(1/5)
        yield env.timeout(mach1_time)
        yield tandem_model.buff1.put(1)

def mach2(env, tandem_model):
    while True:
        yield tandem_model.buff1.get(1)
        mach2_time = 6
        yield env.timeout(mach2_time)
        yield tandem_model.buff2.put(1)
        
def mach3(env, tandem_model):
    while True:
        yield tandem_model.buff2.get(1)
        mach3_time = random.expovariate(1/6)
        yield env.timeout(mach3_time)
        yield tandem_model.buff3.put(1)

def mach4(env, tandem_model):
    while True:
        yield tandem_model.buff3.get(1)
        mach4_time = random.expovariate(1/5)
        yield env.timeout(mach4_time)
        yield tandem_model.output.put(1)
  

#working hours
hours = 8
#total working time (minutes)
total_time = hours *60

b =int(input("Total amount of buffers: "))

n_buff=b
n_mach=3
bounds=[(0,b) for n in range(n_mach)]
def con(x):
    return x[0]+x[1]+x[2]-b
cons = {'type':'eq', 'fun': con}

def fmodel(x):
    env = simpy.Environment()
    tand = Tandem_Model(env)
    b1,b2,b3=x[0],x[1],x[2]
    mach1_process = env.process(mach1(env, tand))
    mach2_process = env.process(mach2(env, tand))
    mach3_process = env.process(mach3(env, tand))
    mach4_process = env.process(mach4(env, tand))
    env.run(until = total_time)
    return -(tand.output.level+tand.buff1.level+tand.buff2.level+tand.buff3.level)
          
res = minimize(
    fmodel,
    x0=(5,5,5),
    constraints=cons,
    bounds=bounds,
)

我非常感谢您的帮助。作为额外的上下文，解决方案将使用整数近似于最佳结果（通过计算最接近整数解决方案的输出）。

Answer 1

所以如果我没看错的话，你的目标就是最大化 tand.output.level。但我只看到一条机器路径。所以在我看来，tand.output.level将由生产线中最慢的机器决定。而不是缓冲区的数量。

如果将 fmodel 的输出更改为 -tand.output.level 并将所有机器超时更改为常量，我认为无论缓冲区数量如何，您都会看到相同的有趣值

更好的问题是：给出 3 个步骤进程，和4台机器，我应该在哪一步放置第4台机器？或者，给定 9 台机器，每台机器都有不同的处理速率，应该为每台机器的哪一步分配最大吞吐量？

最后，你看到纸浆了吗？它是一个 python 优化包，使用 coin 作为其求解器。