3. 约束条件的建模方法

在非线性约束优化中，目标函数决定“往哪里走”，而约束条件决定“哪些地方不能走、哪些地方必须贴着走”。约束建模的核心任务，是把现实世界中的物理规律、资源上限、安全规范和逻辑规则，翻译成优化器能够识别的等式 h(x)=0 或不等式 g(x)≤0。这一步做得好不好，直接决定模型是否可解、解是否有物理意义、求解是否稳定。

本节围绕四类常见约束来源展开：物理规律、资源限制、安全规范与逻辑关系，并给出可操作的转化思路与示例。

一、物理规律：优先写成等式约束

物理规律通常表现为守恒关系或本构关系，例如质量守恒、能量守恒、力学平衡、电路基尔霍夫定律、热传导方程等。这类关系在数学上往往是“必须精确成立”的，因此优先建模为等式约束 h(x)=0。

以一个承压圆筒设计为例，设内半径 r、壁厚 t、内压 p，若要求筒壁平均环向应力满足薄壁近似 σ = p·r/t，而材料许用应力为 σ_allow，则安全条件可写为不等式约束：

g1(x) = p·r/t − σ_allow ≤ 0

若问题中还要求筒体总体积固定为 V0（例如容积给定），则体积关系 V = π·r²·L 应写成等式约束 h1(x) = π·r²·L − V0 = 0。注意：等式约束会“吃掉”一个自由度，因此不宜过多；当物理关系本身是近似的（如经验公式），更稳妥的做法是写成带容差的不等式，例如 |h(x)| ≤ ε，避免模型过度刚性。

二、资源限制：不等式约束的主力场景

资源限制包括材料用量、功率上限、时间预算、资金额度、算力配额等，其共同特征是“不超过”或“不少于”，天然对应不等式约束。建模时要注意两点：一是量纲要统一，二是要区分“硬上限”和“软目标”。

例如某生产计划中，两种原料用量 x1、x2 对应单位成本 c1、c2，总预算为 B，则约束为 c1·x1 + c2·x2 ≤ B。若某设备功率与产量呈非线性关系 P(x) = a·x^1.5，额定功率为 P_max，则约束写成 a·x^1.5 − P_max ≤ 0。这里的关键是保留真实的非线性形式，不要为了“好解”而随意线性化，否则可能得到看似可行、实际超限的方案。

三、安全规范：留裕度、设边界

安全规范往往以标准条文形式给出，如“安全系数不低于 1.5”“温度不得超过 80 ℃”“变形量不超过 L/250”。这类约束在数学上仍是 g(x)≤0，但建模时要主动引入安全裕度，而不是贴着规范临界值建模。

例如要求应力安全系数 n = σ_y/σ ≥ 1.5，可写成 1.5·σ − σ_y ≤ 0；若考虑载荷不确定性，可进一步写成 1.5·σ − 0.9·σ_y ≤ 0，用折减系数体现保守性。对于“必须位于某区间”的规范要求（如温度 T ∈ [T_min, T_max]），应拆成两条不等式：T_min − T ≤ 0 与 T − T_max ≤ 0，而不是写成一条含绝对值的式子，便于求解器逐条处理。

四、逻辑关系：用辅助变量与大 M 转化

逻辑关系是约束建模中最容易被忽视、也最容易出错的部分。典型形式包括“若 A 则 B”“A 与 B 至少选一个”“A、B 互斥”等。这类关系不能直接写成连续不等式，需要引入 0-1 辅助变量，配合“大 M”技巧转化为线性或非线性不等式组。

设 y ∈ {0,1} 表示某设备是否启用。若“启用时产量 x 不超过 U，停用时 x=0”，可写为：

x ≤ U·y
x ≥ 0

若“A 与 B 至少选一个”，设 y_A + y_B ≥ 1；若“互斥”，则 y_A + y_B ≤ 1。当逻辑条件与非线性函数耦合时，例如“仅当温度 T 超过阈值 T0 时才允许开启冷却”，可写成 T − T0 ≤ M·(1−y)，其中 M 是足够大的常数。M 取值过大会导致数值病态，过小则会错误地“剪掉”可行解，实践中应取“该约束可能出现的最大差值”并留 10%～20% 余量。

五、建模后的自检清单

约束写完后，建议做一次系统自检，避免“形式正确、语义错误”。可参考以下检查项：

• 量纲一致性：每条约束左右两侧单位是否相同，常数是否与变量同量纲。
• 可行域非空：用一组典型设计点代入，确认至少存在一个满足全部约束的点；若全部违反，说明约束过紧或符号写反。
• 约束尺度：各约束的典型量级是否接近，必要时归一化，避免某条约束数值过大主导求解。
• 冗余与冲突：检查是否存在两条约束互相矛盾（如 x≥5 与 x≤3），或某条约束被其他约束完全蕴含。
• 逻辑变量取值：确认 0-1 变量在松弛求解后是否被正确固定，大 M 是否足够大且不过大。

综上，约束建模不是简单的“把条件抄成公式”，而是一次有意识的语义翻译：物理规律优先等式、资源限制用不等式、安全规范留裕度、逻辑关系借辅助变量转化。四类来源对应四种处理策略，配合量纲、尺度与可行性自检，才能得到既数学可解、又工程可用的非线性约束优化模型。