CPMpy/cpmpy

它解决了什么问题

CPMpy 致力于解决涉及布尔变量和整数变量的组合问题，例如调度、资源分配和优化。它提供了高级约束，当求解器不支持这些约束时，它们会自动分解，从而使复杂问题的表达变得简单。

工作原理

你将决策变量定义为 numpy 数组，添加约束和目标函数，然后调用 solve()。CPMpy 会将你的模型转换为所选的求解器（CP、ILP、SMT、PB、SAT 等），并可以比较不同的求解器。它支持增量求解、假设变量，以及在求解后添加约束或更新目标函数。

适用人群

需要一个轻量级、文档完善且能与科学 Python 生态系统（pandas、plotly、Jupyter）集成的约束编程、运筹学和机器学习领域的研究人员及从业者。它也广泛应用于工业界和学术研究。

亮点

• 求解器无关：适用于 CP、ILP、SMT、PB 和 SAT 求解器
• 对机器学习友好：决策变量是支持向量化操作的 numpy 数组
• 增量求解：支持假设变量、添加约束、更新目标函数
• 经过广泛测试，拥有庞大的测试套件和模糊测试
• 提供参数调优、调试、解释生成和 XCSP3 基准测试工具
• 开源 (Apache 2.0)，拥有活跃的社区，欢迎贡献