[英]How to multiply two variables in constraints in Python (pulp package, optimization)?
[英]How to create a program for constraints based on decision variables when using Python's pulp
我想使用 Python 的纸浆创建一个“使用决策变量(如果语法)的开关”。 这里,“使用决策变量(if语法)切换”的意思是,例如,“当x(x是大于或等于0的整数)和y(y是0、1的二进制变量)是决策变量时,如果x为大于等于1的整数,y输出1,如果x为0,y输出0,下面是一个简单的例子,公式如下图问题公式3(图片)所示。
以下是我们如何尝试创建“带有决策变量(if 语法)的开关”的简单示例以及我们取得的结果。
示例是参考“运筹学导论”(东海大学出版社)中的示例创建的。
一家冰淇淋店计划生产两种冰淇淋:浓缩咖啡冰淇淋和覆盆子冰淇淋。 然而,他不能生产出他想要的那么多,因为他只能生产 8000 毫升的牛奶和工作 360 分钟。 有了每个冰淇淋所需的牛奶量和时间,增加产量以最大化利润的计划是什么? 然而,今天,一份覆盆子冰淇淋的覆盆子(成分)数量将过期。 因此,您需要至少生产一种覆盆子冰淇淋,以免浪费。
产品名称 | 所需奶量 | 工作时间 | 利润 |
---|---|---|---|
咖啡冰淇淋 | 100cc | 7 分钟 | 50日元 |
覆盆子冰淇淋 | 150cc | 5分钟 | 10日元 |
上面的问题设置可以表述如下
作为一个Python程序,可以表示如下
import pulp
problem = pulp.LpProblem('ice', pulp.LpMaximize)
# Define the decision variables
x_e = pulp.LpVariable('x_e', lowBound=0, cat=pulp.LpInteger)
x_r = pulp.LpVariable('x_r', lowBound=0, cat=pulp.LpInteger)
# Set the objective function
problem += 50*x_e +10*x_r
# Set constraints
problem += 100*x_e + 150* x_r <= 8000
problem += 7*x_e + 5*x_r <= 360
## Newly added constraint
problem += x_r >= 1
# # optimize
problem.solve()
# # print the result
print("Espresso",x_e.value(), "pieces")
print("raspberry",x_r.value(), "pieces")
print("profit",pulp.value(problem.objective), "yen")
运行上述程序的结果如下。 我们能够在不丢弃即将过期的覆盆子(一个覆盆子冰淇淋的量)的同时实现利润最大化。
Espresso 50.0 pieces
raspberry 2.0 pieces
profit 2520.0 yen
在上一章中,我们在原来的基本问题上增加了以下约束
#Newly added constraints
problem += x_r >= 1
为了与这个问题的主题保持一致,我们将这个约束重写为“带有决策变量的开关(如果语法)”约束,如下所示
import pulp
problem = pulp.LpProblem('ice', pulp.LpMaximize)
# Define a decision variable
x_e = pulp.LpVariable('x_e', lowBound=0, cat=pulp.LpInteger)
x_r = pulp.LpVariable('x_r', lowBound=0, cat=pulp.LpInteger)
### Newly added decision variable
y_r = pulp.LpVariable('y_r', lowBound=0, cat=pulp.LpBinary)
# Set the objective function
problem += 50*x_e +10*x_r
# Set constraints
problem += 100*x_e + 150* x_r <= 8000
problem += 7*x_e + 5*x_r <= 360
### Newly added constraint
if x_r.value() >= 1:
y_r=1
problem += y_r == 1
# # Optimize
problem.solve()
# Print the result
print("Espresso",x_e.value(), "pieces")
print("raspberry",x_r.value(), "pieces")
print("profit",pulp.value(problem.objective), "yen")
结果如下,我得到了一个错误。
if x_r.value() >= 1:
TypeError: '>=' not supported between instances of 'NoneType' and 'int'
我试图在上面处理它,但我无法使用决策变量创建开关(如果语法)。
是否不可能在纸浆中创建和解决这样的约束(= 使用决策变量切换(如果语法))? (抱歉我没学好,但它是非线性问题,不能用纸浆表达吗?)(对不起我没学,但也许是非线性问题,不能用纸浆表达?)或者它只是我编写的一个糟糕的程序?
如果您能告诉我原因和解决方案,我将不胜感激。 (如果可以,我想用我熟悉的纸浆,但如果没有纸浆可以写程序,我想挑战一下,所以请告诉我。)
您不能添加基于x_r.value()
的约束,因为在问题解决之前这将不可用。
更好的方法是通过两个附加约束连接x_r
和y_r
:
problem += M*y_r >= x_r
problem += y_r <= x_r
这里M
是一个足够大的数字,您的数据设置M = min(8000/150, 360/5)
就足够了。
尝试:
if x_r.value() >= 1:
你忘了括号我相信
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.