如何使用OpenOpt解決3D多倉裝箱問題

我正在學習優化，我是OpenOpt的新手。如何使用OpenOpt解決3D多倉裝箱問題

我想表示，其中每一個具有3個資源使用指標（CPU，存儲器和網絡）過程，以及我想根據下列限制數處理分配給組/箱：

sum(cpu) within a group < 100 
sum(mem) within a group < 100 
sum(net) within a group < 100 
Minimize(number of groups) or maximize the sum of each resource within a group.

理想情況下，我想有這種類型的輸出：

VM 1 assigned to group 1 
VM 2 assigned to group 1 
VM 3 assigned to group 1 
VM 4 assigned to group 2 
VM 5 assigned to group 2 
VM 6 assigned to group 3 
... and so on

問：我該怎麼做？如果OpenOpt無法做到這一點，有沒有其他的lib可以幫助我呢？

這裏我最初的代碼： https://github.com/vonpupp/mdbp/blob/master/ksp_2.py

非常感謝！

來源

2013-10-09 Albert Vonpupp

這個想法是爲每個項目分配一個權重（在這種情況下，全部都是相同的），並且最大限度地限制約束條目的數量。

這是怎樣的項目創建：

def gen_vms(): 
    tg = tracegen.TraceGenerator() 
    trace = tg.gen_trace() 
    items = [{ 
        'name': 'item %d' % i, 
        'weight': 1, 
        'cpu': t[0], 
        'mem': t[1], 
        'disk': t[2], 
        'net': t[3], 
        'n': 1 
      } for i,t in islice(enumerate(trace), 200)] 
    return items

這是怎麼約束創建：

def add_constraint(values, constraint): 
    return values[constraint] < 99 

def add_constraints(values, constraint_list): 
    return [add_constraint(values, constraint) for constraint in constraint_list] 

def gen_costraints(constraint_list): 
    global constraints 
    constraints = lambda values: (add_constraints(values, constraint_list))

求解過程是這樣的：

def solve_host(): 
    global items 
    global constraints 
    p = KSP('weight', list(items), constraints = constraints) 
    result = p.solve('glpk', iprint = -1)

進一步關於如何做到這一點的細節可以在這裏找到：https://github.com/vonpupp/2013-sbrc-experiments/blob/e2e8a2be320c8f77d67a5bc6bb822510564e80f3/myksp_oo.py

來源

2013-12-12 16:51:42

其中是您的要點lib.tracegen.tracegen？ – JohnO

您可以直接在github上瀏覽該特定提交的代碼（這不是要點，而是完整的回購）。如果你正在尋找tracegen.py，你可以在這裏找到它：https://github.com/vonpupp/2013-sbrc-experiments/blob/e2e8a2be320c8f77d67a5bc6bb822510564e80f3/lib/tracegen/tracegen.py –

如何使用OpenOpt解決3D多倉裝箱問題

回答

相關問題