线性问题示例¶

线性问题示例展示可以降低到 CanonicalMpModel 的模型：0/1 背包、二分指派、设施选址、路由线性化，以及 MPS 数据重建后的 MILP 路径。

https://github.com/Dongbox/optagent-examples

问题说明¶

knapsack_mathopt.py：在容量约束下选择物品，最大化价值，展示二进制变量和线性目标。
assignment_highs_native.py：把任务分配给工人，每个任务和工人受唯一性约束，展示 HiGHS native 后端。
facility_location_small.py：决定开哪些仓库，并把客户分配给已开启设施，展示固定成本和服务成本组合。
routing_linearized_small.py：把小型路由问题改写为线性 MILP，而不是通过黑盒路径评分求解。

目录结构¶

examples/linear/
  README.md
  knapsack_mathopt.py
  assignment_highs_native.py
  facility_location_small.py
  routing_linearized_small.py

代码示例¶

线性示例的共同结构是创建标量变量、线性约束和线性目标，然后通过 OrchestratorConfig 指定 MILP 家族或具体后端。

from optagent import ExactBackendName, ModelBuilder, Orchestrator, OrchestratorConfig

builder = ModelBuilder(solve_config={"preferred_backend": "highs_native"})
x = builder.int_var(default=0, lb=0, ub=1, name="open_facility")
y = builder.int_var(default=0, lb=0, ub=10, name="served_demand")

builder.constraint(y <= x * 10, name="serve_only_if_open")
builder.minimize((x * 5) + y, name="total_cost")

result = Orchestrator().run(
    builder.freeze(),
    config=OrchestratorConfig(required_backend=ExactBackendName.HIGHS_NATIVE),
)

运行¶

PYTHONPATH=. python examples/linear/knapsack_mathopt.py
PYTHONPATH=. python examples/linear/assignment_highs_native.py
PYTHONPATH=. python examples/linear/facility_location_small.py
PYTHONPATH=. python examples/linear/routing_linearized_small.py

注意事项¶

MathOpt 路径通常需要 ortools。
HiGHS native 路径需要 highspy。
严格后端示例会在后端不可用时报错；普通示例可能由 registry 选择可用后端。
MPS 相关的大窗口示例在 MPS 示例中单独说明。

建模接口说明见建模接口，求解配置说明见求解接口。