目标函数中两个变量的最大值

Question

我在目标函数中使用了一个绝对值函数，但它不起作用

set_I = range(0,data_analysis_values.shape[0])
prob = LpProblem("Deliverable 1", LpMinimize)
X = pulp.LpVariable.dicts("X", set_I, cat='Continuous')
prob += 0.5*lpSum([X[i] for i in set_I])
prob += 0.5*lpSum([lpSum([max(simulation_data_without_text[i][j]-X[i],0)for j in range(200)]) for i in set_I])/200 
for i in set_I:
    prob += X[i] >= 0 
    prob += X[i] <= data_analysis_values[i][8]
prob.solve()
solution = np.array([X[i].varValue for i in set_I])

我想对200范围内的所有j取最大模拟数据（不含[I][j]-X[I]和0），并对集合I中的所有I求和，但它不允许我这样做。有人能帮我找到另一条路吗

Answer 1

因此，目标是（忽略其他部分）：

 min sum(i, max(z[i],0))

在附加变量y[i]的帮助下，这可以写成：

 min sum(i, y[i])
     y[i] >= z[i]
     y[i] >= 0