我在一个优化问题中遇到了一个问题，在这个问题中，简单可行的约束导致我的cpp程序在试图求解时返回“不可行”。
为了进行演示，我创建了一个护士排班优化程序，其中包含3名护士和5个插槽。
我有两个微不足道的约束：1）第一个护士占用第一个插槽，2）每个插槽最多允许一个护士。
当一次使用一个约束时，这些约束会导致or-tools返回一个可行的解，但是当我同时使用两个约束时，我得到的是一个不可行的解。
当我设置第一个约束（cp_model.AddEquality(LinearExpr(slots[0][0]), 1);）时，我怀疑我在某种程度上误用了AddEquality，但我无法找出问题所在。
请帮帮我

#include <iostream>
#include <vector>
#include "ortools/sat/cp_model.h"
#include "ortools/sat/sat_parameters.pb.h"
namespace operations_research {
namespace sat {
void slots(bool add_sum, bool add_const) {
  CpModelBuilder cp_model;
  const int num_nurses = 3;
  const int num_slots = 5;
  std::vector<std::vector<IntVar>> slots(num_nurses);
  for (int n = 0; n < num_nurses; n++) {
    for (int d = 0; d < num_slots; d++) {
      const IntVar var = cp_model.NewIntVar({0, 1});
      slots[n].push_back(var);
    }
  }
  if (add_const) {
    // trival constraint
    cp_model.AddEquality(LinearExpr(slots[0][0]), 1);
  }
  if (add_sum) {
    // make the first row sum to one; should be trivial too
    std::vector<IntVar> this_nurse_vals(num_nurses);
    for (int n = 0; n < num_nurses; n++) {
      const IntVar var = slots[n][0];
      this_nurse_vals.push_back(var);
    }
    cp_model.AddEquality(LinearExpr::Sum(this_nurse_vals), 1);
  }
  // solve
  const CpSolverResponse response = Solve(cp_model.Build());
  LOG(INFO) << CpSolverResponseStats(response);
  for (int d = 0; d < num_slots; d++) {
    for (int n = 0; n < num_nurses; n++) {
      std::cout << SolutionIntegerValue(response, slots[n][d]);
    }
    std::cout << std::endl;
  }
  std::cout << std::endl;
  // [END solve]
}
} // namespace sat
} // namespace operations_research
// ----- MAIN -----
int main(int argc, char **argv) {
  operations_research::sat::slots(false, true); // works
  operations_research::sat::slots(true, false); // works
  operations_research::sat::slots(true, true);  // infeasible
  return EXIT_SUCCESS;
}
// [END program]

字符串
在python中运行良好的相同程序：

from ortools.sat.python import cp_model
num_nurses = 3
num_slots = 5
model = cp_model.CpModel()
# make vars
slots = {}
for n in range(num_nurses):
    for d in range(num_slots):
        slots[(n, d)] = model.NewIntVar(0, 1, "slot")
model.Add(slots[(0, 0)] == 1)
model.Add(sum(slots[(n, 0)] for n in range(num_nurses)) == 1)
solver = cp_model.CpSolver()
solver.Solve(model)
solution = []
for d in range(num_slots):
    solution.append([])
    for n in range(num_nurses):
        solution[d].append(solver.Value(slots[(n, d)]))
print(solution)

型