我是PuLP的首次用户,而我上次进行线性编程时,Python不存在。我可以使用LibreOffice的Solve扩展程序(可以执行LP)解决此问题]
但是我需要用代码来完成。
我想优化选股问题。我们需要选择一定数量的螺钉,例如98。螺钉包装为25和100的包装。我将这些包装的尺寸命名为'25'和'100'。选秀权的成本需要降到最低。挑选每个包装都需要一定的成本,而所挑选的多余数量也需要一定的成本。约束是拣配的数量> = target_qty
例如,如果每个超出部分的成本为0.1,而选择'25'包装的成本为1,而包装'100'包装的成本为1.1。则选择成本为1 x 100包装是
((100-98)* .1 + 0 * 1 + 1 * 1.1
这比挑选4 * '25'包便宜。
假设存在字典pack_cost {}和pack_capacity {}都具有密钥pack_name,例如pack_cost = {'25':1,'100':1.1}
,因此list_of_pack_names = ['25','100']
我尝试这个:
lp_prob = pulp.LpProblem('PackSizes', pulp.LpMinimize)
packs_used = pulp.LpVariable.dicts("Packs",list_of_pack_names,lowBound=0,cat="Integer")
pack_cost = [pack_costs[pack_name]*packs_used[pack_name] for pack_name in list_of_pack_names]
excess_cost = cost_per_unit * ( sum([pack_sizes[pack_name]*packs_used[pack_name] for pack_name in list_of_pack_names])- original_qty)
lp_prob += pulp.lpSum(pack_cost) + pulp.lpSum(excess_cost) #objective function
# and constraint: total picked >= needed
lp_prob += pulp.lpSum(sum([pack_sizes[pack_name]*packs_used[pack_name] for pack_name in list_of_pack_names]) >= target_qty)
结果:
print("Status:",pulp.LpStatus[lp_prob.status])
显示最佳
[lp_prob.objective
是10*Packs_10 + 15*Packs_15 + 30*Packs_30 - 16.5
但是解决方案是每个包装尺寸为0
您可以通过]检查您的问题>
print(lp_prob)
您没有添加任何基本约束来阻止所有变量变为零。可能是您在约束声明中打印了错误。此约束使问题不容易解决(请选中方括号):
lp_prob += pulp.lpSum(sum([pack_sizes[pack_name]*packs_used[pack_name] for pack_name in list_of_pack_names])) >= target_qty