PuLP:坚持使用目标函数定义

Question

我是第一次使用PuLP，上次我做线性编程时，Python语言还不存在。我可以用LibreOffice的solve扩展(它支持LP)解决这个问题。

但我需要用代码来完成。

我想优化一个选股问题。我们需要挑选一定数量的螺丝，比如98颗。螺丝每包25颗和100颗。我将这些包装尺寸命名为'25‘和'100’。挑选的成本需要最小化。挑选每一包都是有成本的，而且挑选的多余数量也有成本。约束条件是>= target_qty挑选的数量

例如，如果每单位超额的成本是0.1，挑选'25‘包装的成本是1，包装' 100’包装的成本是1.1，则挑选的成本是1 x 100包装是

(100 - 98) *.1 + 0*1 + 1*1.1

这比选择4*25‘包更便宜。

假设存在字典pack_cost{}和pack_capacity{}，它们都具有密钥pack_name，例如pack_cost = {'25':1,'100':1.1}，因此具有list_of_pack_names = ['25','100']

我试试这个：

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])

显示最优

lp_prob.objective为10*Packs_10 + 15*Packs_15 + 30*Packs_30 - 16.5

但解决方案是每包大小为0

Answer 1

您可以使用以下命令检查您的问题

print(lp_prob)

您不需要添加任何必要的约束来防止所有变量变为零。很可能，您在约束语句中打印错误。此约束使问题不是微不足道的(选中括号)：

lp_prob += pulp.lpSum(sum([pack_sizes[pack_name]*packs_used[pack_name] for pack_name in list_of_pack_names])) >= target_qty