PuLP-Python-酒店收入优化

Question

我正在尝试重新创建一篇使用线性规划来优化酒店收入的论文。 我尝试解决许多不同的x [i，j]，其中x是接受预订的地方，i是入住日，j是退房日。 我对我要导入的每对[i，j]都有需求，并且接受的预订必须为需求。 对于我自己的一生，我无法弄清楚如何编程在任何给定的k天已经在酒店的人+在k天入住的人-在k天退房的人必须<=容量的约束。 这是我要编写的代码：

到目前为止，这是我的代码：

import pandas as pd
import pulp

# Instantiate our problem class
model = pulp.LpProblem("Hotel revenue maximization", pulp.LpMaximize)

#Import demand info
demand= pd.DataFrame.from_csv("demandSAHRO.csv", index_col=
['Check_in_day_i', 'Check_out_day_j'])

#Will optimize for # bookings to accept for any i,j pairing
bookingsaccepted = pulp.LpVariable.dicts("bookingsaccepted",
                                 ((i, j) for i, j in demand.index), lowBound=0, cat='Integer')


# Objective Function - 0.84 is unit revenue per room
model += (
pulp.lpSum([
    0.84 * bookingsaccepted[i, j] for i, j in demand.index])
)

# Constraints
capacity = 400


#Accepted Check in before day k + accepted check in on day k - accepted check out on day k <= capacity
model +=
for i, j in demand.index:
    for k in range(1,10):
    #Day k between check in and check out dates
        while i<k<j:
            #Rooms already occupied during night k
            pulp.lpSum([bookingsaccepted[i, j] for i, j in demand.index]))
            +
            #Rooms checking in on day k

            -

            #Rooms checking out on day k

我是使用Python编码的新手，也是使用PuLP的新手，因此非常感谢您的帮助。

Answer 1

我创建了一些数据来测试某些情况，并且我认为以下应该可行。 如果没有，请分享您的demandSAHRO.csv数据，我将尝试对其进行调整：

for k in range(1, T):
     model += pulp.lpSum([bookingsaccepted[i, j] \
                        + bookingsaccepted[k, j] \
                        - bookingsaccepted[i, k] \
                        for i, j in demand.index if i < k < j]) \
                        <= capacity