RecursionError 使用 PuLP 优化

Question

我正在尝试慢慢扩大优化问题，并且在我试图将用户输入的值带入比较约束的阶段。 但是，会引发递归错误。 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（请参阅约束部分的第一行）。 当我硬编码一个值时它可以工作，但是当我使用用户输入时它会抛出一个错误。

另外作为奖励，如果有人知道如何循环约束，我将不胜感激。 我一直在努力解决这个问题。 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会容易得多。 我在网上查过，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

你在这里是在正确的轨道上，但有一些问题。 我不确定你会在哪里弹出递归错误。 您必须发布完整的代码和带有行参考的错误消息以获得帮助。

根据您的输入...我看不到您将 qty 转换为 integer 的位置？ 回想一下，所有键盘输入都是作为字符串输入的，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制作一些字典来保存数据，这样您就不会重复输入它。稍后，如果需要，您可以即时从键盘输入构建相同的字典/列表。 还包括您的其他 model 参数，例如您在 obj function 中使用的系数和数量限制。 这将允许你清理你的约束。 这是一个展示我的想法的想法......

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)