使用PuLP优化的RecursionError

Question

我正在尝试慢慢扩大优化问题的规模，并且在我试图将用户输入的值引入比较约束的阶段。但是，将抛出一个递归错误。我不确定我是否理解为什么会发生递归错误，以及如何修复它(参见约束部分的第一行)。当我硬编码一个值时，它可以工作，但当我使用用户输入时，它会抛出一个错误。

此外，作为额外的奖励，如果有人知道如何循环约束，我将非常感激。我已经在这个问题上摸索了一段时间了。最终，这将有10名员工和多达55个不同的部分，所以我认为在添加约束时循环将会容易得多。我已经在网上找过了，但还没有找到任何帮助。

# Initial User Input
total_parts = int(input("Enter number of different parts: "))
partno = []
quantity = []
for i in range(total_parts):
    pn = input("Enter Part Number : ").strip()
    qty = input("Enter Qty of Part Number : ")
    partno.append(pn)
    quantity.append(qty)

# Pulp Model
model = pulp.LpProblem("Part production", pulp.LpMinimize)

# Construct decision variable lists
part_numbers = partno
employees = ['Employee A', 'Employee B', 'Employee C']

qty_produced = pulp.LpVariable.dicts("production",
                                     ((i, j) for i in part_numbers for j in employees),
                                     lowBound=0,
                                     cat='Continuous')
# Objective Function
model += ((
    (pulp.lpSum(
        ((10 * qty_produced[part_numbers[0], employees[0]])/.5)
        +((10 * qty_produced[part_numbers[0], employees[1]])/.85)
       + ((10 * qty_produced[part_numbers[0], employees[2]])/.65)
        +((30 * qty_produced[part_numbers[1], employees[0]])/.85)
       + ((30 * qty_produced[part_numbers[1], employees[1]])/.75)
        +((30 * qty_produced[part_numbers[1], employees[2]])/.95)
))/6))

# Constraints
model += pulp.lpSum([qty_produced[part_numbers[0], j] for j in employees]) >= quantity[0]
model += pulp.lpSum([qty_produced[part_numbers[1], j] for j in employees]) >= 10
model += ((10 * qty_produced[part_numbers[0], employees[0]])/.5) + ((30 * qty_produced[part_numbers[1], employees[0]])/.85) <= 530
model += ((10 * qty_produced[part_numbers[0], employees[1]])/.5) + ((30 * qty_produced[part_numbers[1], employees[1]])/.85) <= 530
model += ((10 * qty_produced[part_numbers[0], employees[2]])/.5) + ((30 * qty_produced[part_numbers[1], employees[2]])/.85) <= 530

# Solve problem
model.solve()
pulp.LpStatus[model.status]

for var in qty_produced:
    var_value = qty_produced[var].varValue
    print("The quantity of {1} produced by {0} is {2}".format(var[1], var[0], var_value))

avg_time = pulp.value(model.objective)

Answer 1

您在这里的轨道是正确的，但有一些问题。我不确定你会在哪里弹出一个递归错误。您必须发布完整的代码和错误消息，并提供行参考以获取相关帮助。

在你的输入上...我不明白您在哪里将数量转换为整数？回想一下，所有键盘输入都是作为字符串接受的，因此需要进行转换。但是，在调试时，最明智的做法是在开始时创建一些字典来保存数据，这样就不会重复键入数据。稍后，如果需要，您可以从键盘输入动态构建相同的字典/列表。还包括您的其他模型参数，如您在obj函数中使用的系数和数量限制。这将允许您清理您的约束。这里有一个想法来展示我的想法。

import pulp

## Data

employees = {'bob', 'cindy', 'tom'}
parts = {'A19', 'X22'}
max_quantities = {  'A19': 200,
                    'X22': 150}

## Model
prob = pulp.LpProblem('sample', pulp.LpMinimize)

X = pulp.LpVariable.dicts("produce", [(e, p) for e in employees for p in parts],
                            lowBound=0, cat="Integer")

# max_production
for p in parts:
    prob += pulp.lpSum(X[e, p] for e in employees) <= max_quantities[p]

print(prob)