[英]How to set LpVariable and Objective Function in pulp for LPP as per the formula?
我想根据他的兴趣来计算特定用户的最大化价值。 人气| 使用以下线性规划问题(LPP)方程式既可以实现兴趣也可以实现人气
在python3.7中使用纸浆包装。
我有4个清单
兴趣= [5,10,15,20,25]
热门度= [4,8,12,16,20]
USER = [1,2,3,4,5]
费用= [2,4,6,8,10]
和2个变量值
e = 0.5; e可能取(0或1或0.5)
预算= 20
和
i = 0至n; n是列表的长度
表示要对所有列表值执行求和。
在这里,如果e == 0表示兴趣将为0; 如果e == 1表示人气将为0; 如果e == 0.5,则表示将考虑“兴趣和人气”作为最大值
xi也取0或1; 如果xi == 1,则将考虑用户;如果xi == 0,则将不考虑用户。
和我的纸浆代码如下
from pulp import *
INTEREST = [5,10,15,20,25]
POPULARITY = [4,8,12,16,20]
USER = [1,2,3,4,5]
cost = [2,4,6,8,10]
e=0.5
budget=10
#PROBLEM VARIABLE
prob = LpProblem("MaxValue", LpMaximize)
# DECISION VARIABLE
int_vars = LpVariable.dicts("Interest", INTEREST,0,4,LpContinuous)
pop_vars = LpVariable.dicts("Popularity",
POPULARITY,0,4,LpContinuous)
user_vars = LpVariable.dicts("User",
USER,0,4,LpBinary)
#OBJECTIVE fUNCTION
prob += lpSum(USER(i)((INTEREST[i]*e for i in INTEREST) +
(POPULARITY[i]*(1-e) for i in POPULARITY)))
# CONSTRAINTS
prob += USER(i)cost(i) <= budget
#SOLVE
prob.solve()
print("Status : ",LpStatus[prob.status])
# PRINT OPTIMAL SOLUTION
print("The Max Value = ",value(prob.objective))
现在我收到2个错误,因为
1)在其他的e的addInPlace中的第714行:
2)第23行,概率为+ = lpSum(INTEREST中i的INTERS [i] e)+ lpSum(POPULARITY中i的POPULARITY [i] (1-e)))IndexError:列表索引超出范围
我在代码中做错了什么。 指导我解决此问题。 提前致谢。
我想我终于了解您要达到的目标。 我认为您的描述问题与术语有关。 在线性程序中,我们为那些要选择或作为优化的一部分选择的变量保留术语变量 。
如果我正确理解了您的需求,那么您的python变量e
和budget
将被视为线性程序的参数或常量 。
我相信这可以满足您的需求:
from pulp import *
import numpy as np
INTEREST = [5,10,15,20,25]
POPULARITY = [4,8,12,16,20]
COST = [2,4,6,8,10]
N = len(COST)
set_user = range(N)
e=0.5
budget=10
#PROBLEM VARIABLE
prob = LpProblem("MaxValue", LpMaximize)
# DECISION VARIABLE
x = LpVariable.dicts("user_selected", set_user, 0, 1, LpBinary)
# OBJECTIVE fUNCTION
prob += lpSum([x[i]*(INTEREST[i]*e + POPULARITY[i]*(1-e)) for i in set_user])
# CONSTRAINTS
prob += lpSum([x[i]*COST[i] for i in set_user]) <= budget
#SOLVE
prob.solve()
print("Status : ",LpStatus[prob.status])
# PRINT OPTIMAL SOLUTION
print("The Max Value = ",value(prob.objective))
# Show which users selected
x_soln = np.array([x[i].varValue for i in set_user])
print("user_vars: ")
print(x_soln)
它应返回以下内容,即,使用这些特定参数,只会选择最后一个用户作为收录对象-但此决定会改变-例如,如果将预算增加到100,则将选择所有用户。
Status : Optimal
The Max Value = 22.5
user_vars:
[0. 0. 0. 0. 1.]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.