PuLP-Python-酒店收入優化

Question

我正在嘗試重新創建一篇使用線性規划來優化酒店收入的論文。 我嘗試解決許多不同的x [i，j]，其中x是接受預訂的地方，i是入住日，j是退房日。 我對我要導入的每對[i，j]都有需求，並且接受的預訂必須為需求。 對於我自己的一生，我無法弄清楚如何編程在任何給定的k天已經在酒店的人+在k天入住的人-在k天退房的人必須<=容量的約束。 這是我要編寫的代碼：

到目前為止，這是我的代碼：

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編碼的新手，也是使用PuLP的新手，因此非常感謝您的幫助。

Answer 1

我創建了一些數據來測試某些情況，並且我認為以下應該可行。 如果沒有，請分享您的demandSAHRO.csv數據，我將嘗試對其進行調整：

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