JijModeling 2.12.0 リリースノート#
機能強化#
dtypeでストリームと辞書の対応#
複合型のプレースホルダー(dtype で jm.DataType.STREAM 、 jm.DataType.PARTIAL_DICT および jm.DataType.TOTAL_DICT を必要に応じて組み合わせたり、ndim=指定などと合わせて必要に応じてコンテナをネストさせた形のプレースホルダー)を指定できるようになりました。
以下の例では、長さ N のバイナリ変数の配列 x を定義し、係数 c と x の添字 i の組を並べたストリームを要素とする \(1\) 次元のプレースホルダー A を定義しています。
import jijmodeling as jm
@jm.Problem.define("problem")
def problem(problem: jm.DecoratedProblem):
N = problem.Natural("N")
x = problem.BinaryVar("x", shape=N)
A = problem.Placeholder("A", dtype=jm.DataType.STREAM[(float, N)], ndim=1)
problem += problem.Constraint(
"weighted-sum", [jm.sum(c * x[i] for c, i in terms) <= 1 for terms in A]
)
このストリームの実際の長さは一定である必要はなく、次のようなインスタンスデータを受け入れることができます。
problem.eval({
"N": 3,
"A": [
[(0.5, 0), (0.75, 1)],
[(1.0, 2)],
],
})
Instance(raw=<builtins.Instance object at 0x783ddbcf00>, annotations={})
この A の各要素は、それぞれ次の制約に対応します。
Tip
複合型のプレースホルダーを使うことにより、行ごとに長さが不定であるようなデータ型を定義することが可能になりました。
旧来の JijModeling では、こうした定式化には JaggedArray を用いる必要がありました。しかし、JaggedArray は要素へのランダムアクセスを許可するかわりに型検査の恩恵を受けづらいという問題があり、JijModeling2 では非推奨としています。
そのため、このような定式化を行う際には複合型のプレースホルダーを使うことをぜひご検討ください。
バグ修正#
バグ修正:制約条件の domain にタプルストリームを使った場合エラーになる問題の修正#
辞書の.keys()など、タプルのストリームを制約条件の domainとして eval した場合に、型エラーE-TE0014が発生する問題を修正しました。
import jijmodeling as jm
@jm.Problem.define("problem")
def problem(problem: jm.DecoratedProblem):
N = problem.Length()
c = problem.PartialDict(dtype=float, dict_keys=(N, N))
x = problem.BinaryVar(dict_keys=c.keys())
problem += problem.Constraint("fixed", [x[i, j] == 1 for i, j in c.keys()])
problem.eval({"N": 2, "c": {(0, 0): 1.0, (1, 1): 1.0}})
Instance(raw=<builtins.Instance object at 0x783de31800>, annotations={})
バグ修正:浮動小数点数の丸め誤差により制約検出が停止しなくなる問題の修正#
変数の上下界や目的関数・制約条件の部分項などに、浮動小数点数として厳密な演算が不可能な値が登録されていた場合、制約検出が停止しなくなるバグを修正しました。 定数値をプレースホルダーとして定式化し、インスタンスデータとして浮動小数点数を入力した場合にはこうした問題は起きていませんでしたが、以下のように直接モデル中に浮動小数点数を指定すると停止しなくなる場合がありました。
import jijmodeling as jm
problem = jm.Problem("decimal bounds")
problem.ContinuousVar("ratio", lower_bound=0.1, upper_bound=0.5)
instance = problem.eval({})
本バージョンから、厳密な演算ができる場合のみ定数畳み込みを行うようにしたため、このような問題は発生しなくなっています。 また、これの影響として \(\LaTeX\) 出力では一部の超越関数が簡約されずに表示されるようになりました。