利用python pulp做線性規(guī)劃

一道數(shù)學(xué)模型題

某服務(wù)部門一周中每天需要不同數(shù)目的雇員:周一到周四每天至少需要50人,周五至少需要80人,周六和周日至少需要90人,現(xiàn)規(guī)定應(yīng)聘者需要連續(xù)工作5天,是確定方案,即周一到周日每天聘用多少人,使在滿足需要的條件下聘用總?cè)藬?shù)最少?

1、首先使用pulp庫

from pulp import*

prob = LpProblem("The Whiskas Problem",LpMinimize)#用LpProblem來創(chuàng)建一個變量prob奔垦。這個函數(shù)具有兩個參數(shù),第一個為這個

#問題的描述字符串,第二個參數(shù)描述你需要解決的LP的類型,“LpMinimize"或則"LpMaximize":求最大解或者最小解

2酸纲、設(shè)置變量

day1 = LpVariable("day1",0,None,LpInteger)#描述 第一個字符串 第二個下邊界 第三個上邊界 第四個變量類型
day2 = LpVariable("day2",0,None,LpInteger)#如果是浮點(diǎn)型換成float
day3 = LpVariable("day3",0,None,LpInteger)
day4 = LpVariable("day4",0,None,LpInteger)
day5 = LpVariable("day5",0,None,LpInteger)
day6 = LpVariable("day6",0,None,LpInteger)
day7 = LpVariable("day7",0,None,LpInteger)

3.制定約束條件

prob += day1 + day2 + day3 + day4 + day5 + day6 + day7
prob += day1 + day4 + day5 + day6 + day7 >= 50
prob += day2 + day1 + day5 + day6 + day7 >= 50
prob += day3 + day1 + day2 + day6 + day7 >= 50
prob += day4 + day1 + day2 + day3 + day7 >= 50
prob += day5 + day1 + day2 + day3 + day4 >= 80
prob += day2 + day3 + day4 + day5 + day6 >= 90
prob += day3 + day4 + day5 + day6 + day7 >= 90


5.求最優(yōu)解

prob.solve()
prob.writeLP("WhiskasModel.lp")             #打印出來相關(guān)信息
print("Status:", LpStatus[prob.status])     #最優(yōu)解

for v in prob.variables():
    print(v.name, "=", v.varValue)              #打印每個變量名字
print( "Total Cost of Ingredients per can = ", value(prob.objective))#百分比可以為


6.加一個比較高端的,慢慢看吧



Ingredients = ['CHICKEN', 'BEEF', 'MUTTON', 'RICE', 'WHEAT', 'GEL']

costs = {'CHICKEN': 0.013,
         'BEEF': 0.008,
         'MUTTON': 0.010,
         'RICE': 0.002,
         'WHEAT': 0.005,
         'GEL': 0.001}

proteinPercent = {'CHICKEN': 0.100,
                  'BEEF': 0.200,
                  'MUTTON': 0.150,
                  'RICE': 0.000,
                  'WHEAT': 0.040,
                  'GEL': 0.000}

fatPercent = {'CHICKEN': 0.080,
              'BEEF': 0.100,
              'MUTTON': 0.110,
              'RICE': 0.010,
              'WHEAT': 0.010,
              'GEL': 0.000}

fibrePercent = {'CHICKEN': 0.001,
                'BEEF': 0.005,
                'MUTTON': 0.003,
                'RICE': 0.100,
                'WHEAT': 0.150,
                'GEL': 0.000}

saltPercent = {'CHICKEN': 0.002,
               'BEEF': 0.005,
               'MUTTON': 0.007,
               'RICE': 0.002,
               'WHEAT': 0.008,
               'GEL': 0.000}

prob = LpProblem("The Whiskas Problem", LpMinimize)

ingredient_vars = LpVariable.dicts("Ingr",Ingredients,0)


prob += lpSum([costs[i]*ingredient_vars[i] for i in Ingredients]), "Total Cost of Ingredients per can"


prob += lpSum([ingredient_vars[i] for i in Ingredients]) == 100, "PercentagesSum"
prob += lpSum([proteinPercent[i] * ingredient_vars[i] for i in Ingredients]) >= 8.0, "ProteinRequirement"
prob += lpSum([fatPercent[i] * ingredient_vars[i] for i in Ingredients]) >= 6.0, "FatRequirement"
prob += lpSum([fibrePercent[i] * ingredient_vars[i] for i in Ingredients]) <= 2.0, "FibreRequirement"
prob += lpSum([saltPercent[i] * ingredient_vars[i] for i in Ingredients]) <= 0.4, "SaltRequirement"


prob.solve()                                #處理出最優(yōu)解


prob.writeLP("WhiskasModel.lp")             #打印出來相關(guān)信息


print("Status:", LpStatus[prob.status])     #最優(yōu)解


for v in prob.variables():
    print(v.name, "=", v.varValue)              #打印每個變量名字


print( "Total Cost of Ingredients per can = ", value(prob.objective))#百分比可以為


最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末璧榄,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子纤怒,更是在濱河造成了極大的恐慌,老刑警劉巖天通,帶你破解...
    沈念sama閱讀 211,817評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件泊窘,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)烘豹,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,329評論 3 385
  • 文/潘曉璐 我一進(jìn)店門瓜贾,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人携悯,你說我怎么就攤上這事祭芦。” “怎么了憔鬼?”我有些...
    開封第一講書人閱讀 157,354評論 0 348
  • 文/不壞的土叔 我叫張陵龟劲,是天一觀的道長。 經(jīng)常有香客問我轴或,道長昌跌,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,498評論 1 284
  • 正文 為了忘掉前任照雁,我火速辦了婚禮蚕愤,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘饺蚊。我一直安慰自己萍诱,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,600評論 6 386
  • 文/花漫 我一把揭開白布污呼。 她就那樣靜靜地躺著砂沛,像睡著了一般。 火紅的嫁衣襯著肌膚如雪曙求。 梳的紋絲不亂的頭發(fā)上碍庵,一...
    開封第一講書人閱讀 49,829評論 1 290
  • 那天,我揣著相機(jī)與錄音悟狱,去河邊找鬼静浴。 笑死,一個胖子當(dāng)著我的面吹牛挤渐,可吹牛的內(nèi)容都是我干的苹享。 我是一名探鬼主播,決...
    沈念sama閱讀 38,979評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼浴麻,長吁一口氣:“原來是場噩夢啊……” “哼得问!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起软免,我...
    開封第一講書人閱讀 37,722評論 0 266
  • 序言:老撾萬榮一對情侶失蹤宫纬,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后膏萧,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體漓骚,經(jīng)...
    沈念sama閱讀 44,189評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡蝌衔,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,519評論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了蝌蹂。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片噩斟。...
    茶點(diǎn)故事閱讀 38,654評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖孤个,靈堂內(nèi)的尸體忽然破棺而出剃允,到底是詐尸還是另有隱情,我是刑警寧澤齐鲤,帶...
    沈念sama閱讀 34,329評論 4 330
  • 正文 年R本政府宣布斥废,位于F島的核電站,受9級特大地震影響佳遂,放射性物質(zhì)發(fā)生泄漏营袜。R本人自食惡果不足惜撒顿,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,940評論 3 313
  • 文/蒙蒙 一丑罪、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧凤壁,春花似錦吩屹、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,762評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至唧席,卻和暖如春擦盾,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背淌哟。 一陣腳步聲響...
    開封第一講書人閱讀 31,993評論 1 266
  • 我被黑心中介騙來泰國打工迹卢, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人徒仓。 一個月前我還...
    沈念sama閱讀 46,382評論 2 360
  • 正文 我出身青樓腐碱,卻偏偏與公主長得像,于是被迫代替她去往敵國和親掉弛。 傳聞我的和親對象是個殘疾皇子症见,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,543評論 2 349

推薦閱讀更多精彩內(nèi)容

  • 感謝清崎老師與編輯的合力出版,這本書的確對我們的認(rèn)知會產(chǎn)生很大的改變殃饿。 【本書作者】羅伯特·T·清崎 莎倫·...
    文羽墨閱讀 5,876評論 0 25
  • 就在一瞬間谋作, 從天堂跌入了地獄。 伸出雙手求救乎芳, 只得到冷漠的拒絕瓷们。 千瘡百孔的心业栅, 還有誰能治愈? 時間谬晕?還是另...
    苑堯閱讀 195評論 0 6
  • 方案一:直接 MD5 (不夠安全)pwd = pwd.md5String; 方案二: MD5 + key(key...
    ShenYj閱讀 336評論 0 1