行列Aの希薄性を利用していることが判明したため、モデルの作成速度が大幅に向上しました。コードを次のように編集すると、はるかに高速に動作します。
model=Model("Route_Selection")
start_time=time.clock()
x={}
for j in range(J):
x[j]=model.addVar(vtype = 'B', name = 'x (%s)' %j)
y={}
for i in range(I):
y[i]=model.addVar(vtype='C', name = 'y (%s)' %i)
model.setObjective(quicksum(C[j]*x[j] for j in range(J))+ M* quicksum(y[i] for i in range(I)), "minimize")
from scipy.sparse import csr_matrix #added line 1
B=csr_matrix(A_mat) #added line 2
for i in range(I):
start=B.indptr[i] #added line 3
end=B.indptr[i+1] #added line 4
model.addCons(quicksum(x[j] for j in B.indices[start:end])+y[i] ==1, name='coverage of (%s)' %i) #edited line 5
model.addCons(quicksum(x[j] for j in range(J))<= N, name = 'vehicle constraint')
model.optimize()
print (time.clock()-start_time, "seconds")
追加:参考のためのジュリアコードです。解決時間の比較は、PySCIPOptでは約17秒、Juliaでは約22秒です。
tic()
Routing=Model(solver=CbcSolver(logLevel=0))
#Variables
@variable(Routing, X[j=1:J], Bin)
@variable(Routing, Y[i=1:I], Bin)
#Objective
@objective(Routing, Min, sum(C[j]*X[j] for j=1:J)+sum(M*Y[i] for i=1:I))
#Constraints
A=sparse(A_mat)
@constraint(Routing, consRef[i=1:I], sum(A[i,j]*X[j] for j=1:J)+Y[i]==1)
@constraint(Routing, sum(X[j] for j=1:J)<=N)
solve(Routing)
toc()
処方の共有はどうですか? – mattmilten