PuLP上的线性编程具有不同的大小参数

Question

我需要解决python中的线性规划问题并遇到PuLP。但是，我对如何以简单的方式解决具有不同数量输入的问题有一些疑问。

我有以下数组，都具有相同的尺寸： a = [a0，a1，...，an]（未知变量）

你= [u0，u1，...，un] v = [v0，v1，...，vn] （这些值已知）

我想最大化：a0 * u0 + a1 * u1 + ... + a * un 受制于： A0 + A1 + ... + AN = 1 A0 * V0 + A1 * V1 + ... + *的VN> = 0

我可以用有限数量的变量（例如3个）来做到这一点：

prob = LpProblem("Decision",LpMaximize)

a = list()
a.append(pulp.LpVariable("a0", 0, 1))
a.append(pulp.LpVariable("a1", 0, 1))
a.append(pulp.LpVariable("a2", 0, 1))
u = np.array([1, 3, 2])
v = np.array([1, -1, 0])

prob += a[0]*u[0] + a[1]*u[1] + a[2]*u[2], "Expected Utility"

prob += a[0]+a[1]+a[2] == 1, "PercentagesSum"
prob += a[0]*v[0] + a[1]*v[1] + a[2]*v[2] >= 0, "MinimalOutcome"

但是我希望能够拥有动态数量的u.v.，我认为解决方案可能是使用LpVariable.dicts（），但我没有成功。

Answer 1

如果您的变量设置与您一样，作为列表中的变量对象（使用n=len(mylist)，使用类似（list comprehension）的东西很自然：

prob += lpSum([a[i] * u[i] for i in range(n)]), "Expected Utility"

其他组件也是如此。当然，您也可以将变量保存在字典中并遵循类似dict的访问。

核心理念只是使用python的功能来收集你的数据和纸浆的lpSum来总结它。