Ilog CP 生产排程 C# 目标带惩罚值的例子

以下是一个使用 C# 编写的 Ilog CP 生产排程目标带惩罚值的示例：

using ILOG.Concert;
using ILOG.CP;
using System;

public class ProductionScheduling
{
    static void Main()
    {
        // 任务数量和机器数量
        int numJobs = 5;
        int numMachines = 3;
        
        // 任务所需时间和机器使用时间
        int[,] processingTimes = new int[numJobs, numMachines];
        processingTimes[0, 0] = 1; processingTimes[0, 1] = 2; processingTimes[0, 2] = 3;
        processingTimes[1, 0] = 2; processingTimes[1, 1] = 3; processingTimes[1, 2] = 1;
        processingTimes[2, 0] = 3; processingTimes[2, 1] = 1; processingTimes[2, 2] = 2;
        processingTimes[3, 0] = 2; processingTimes[3, 1] = 1; processingTimes[3, 2] = 3;
        processingTimes[4, 0] = 3; processingTimes[4, 1] = 2; processingTimes[4, 2] = 1;
        
        // 惩罚值
        int[] penalties = new int[numJobs];
        penalties[0] = 100; penalties[1] = 50; penalties[2] = 75; penalties[3] = 25; penalties[4] = 90;
        
        // 创建 CP 模型
        CP cp = new CP();
        
        // 创建变量和约束
        int horizon = 20;
        IIntVar[] startTimes = new IIntVar[numJobs];
        for (int i = 0; i < numJobs; i++)
        {
            startTimes[i] = cp.IntVar(0, horizon - processingTimes[i, 0]);
            cp.Add(cp.ForAllRange(0, numMachines - 1, j => cp.StartOf(startTimes[i], j) == startTimes[i] + processingTimes[i, j]));
        }
        
        // 创建目标函数
        IIntExpr objective = cp.LinearIntExpr();
        for (int i = 0; i < numJobs; i++)
        {
            objective = cp.Sum(objective, cp.Prod(penalties[i], cp.Max(0, cp.Diff(cp.EndOf(startTimes[i]), horizon))));
        }
        cp.Add(cp.Minimize(objective));
        
        // 解决模型并输出结果
        cp.Solve();
        Console.WriteLine("Objective value: " + cp.ObjValue);
        for (int i = 0; i < numJobs; i++)
        {
            Console.WriteLine("Job " + i + " starts at " + cp.GetValue(startTimes[i]));
        }
    }
}

在此示例中，我们使用 Ilog CP 来解决一个生产排程问题，其中有 5 个任务和 3 台机器。我们需要为每个任务分配一台机器，并确定它们的开始时间，以最小化总惩罚值。

我们还定义了一个名为 `penalties` 的数组，其中包含每个任务的惩罚值。在目标函数中，我们计算每个任务的惩罚值和完成时间之间的乘积，并对所有任务求和。如果任务完成时间早于期限，则该乘积为零。

最后，我们使用 `cp.Minimize` 函数将目标函数设置为最小化。然后，我们使用 `cp.Solve` 函数解决模型，并输出结果。