对纸浆进行整数编程时出错：'LpVariable‘没有len()
对纸浆进行整数编程时出错：'LpVariable'没有len()
这个错误是在使用线性规划库进行整数编程时出现的。'LpVariable'是指线性规划库中用于定义变量的函数或类。根据错误提示，可能是在对'LpVariable'对象应用了'len()'函数，而'LpVariable'对象并不支持该操作。
解决这个问题的方法是检查代码中对'LpVariable'对象的使用，确保没有尝试使用'len()'函数。通常情况下，'LpVariable'对象是单个变量，而不是一个可迭代对象，因此不需要使用'len()'函数来获取其长度。
以下是一个示例代码，展示了如何正确使用'LpVariable'对象：
from pulp import LpVariable, LpProblem, LpMinimize
# 创建问题
problem = LpProblem("Example", LpMinimize)
# 定义变量
x = LpVariable("x", lowBound=0, cat='Integer')
y = LpVariable("y", lowBound=0, cat='Integer')
# 添加约束
problem += x + y <= 10
# 添加目标函数
problem += x + 2*y
# 解决问题
problem.solve()
# 打印结果
print("x =", x.value())
print("y =", y.value())在这个示例中，我们创建了两个整数变量'x'和'y'，并将它们添加到线性规划问题中。然后，我们添加了一个约束条件和一个目标函数，并使用'solve()'方法求解问题。最后，我们通过访问变量的'value()'属性来获取解决方案中变量的值。
腾讯云提供了一系列云计算相关的产品和服务，包括云服务器、云数据库、云存储、人工智能等。具体推荐的产品和产品介绍链接地址可以根据实际需求和场景来选择，可以参考腾讯云官方网站或咨询腾讯云的客服人员获取更详细的信息。
相关·内容
我正在通过Python中的纸浆使用CPLEX解决程序。当我解决时间限制问题时，CPLEX会将代码打印到屏幕上，意思是“超出时间限制，但存在整数解决方案”。然而，如果我打印pulp.LpStatus[problem.status]的状态，我得到的值是1，根据纸浆的，它意味着找到了一个最优解，这实际上是错误的。
我如何访问CPLEX状态码而不是纸浆的？
浏览 4提问于2021-01-01得票数 2
回答已采纳
通过使用纸浆，我获得了6442143.99530000的最大利润和每种产品的定额。然而，我想输出下一个次优解，而不是最优解。有可能吗？换句话说，我想得到分配给每个产品的所有组合。
我需要几位专家的帮助。提前谢谢你的帮助。
[temp.csv]
product,profit,min_alloc,max_alloc
Prod_A,19251.1503,5,50
Prod_B,11029.62628,5,50
Prod_C,49455.97051,5,50
Prod_D,2270.916437,5,50
Prod_E,20727.92984,5,50
Prod_F,41979.71183,5,50
浏览 4提问于2021-10-29得票数 1
回答已采纳
我有以下python纸浆代码：
import pulp
# Create a LP Minimization problem
Lp_prob = pulp.LpProblem('Problem', pulp.LpMaximize)
# Create problem Variables
a01 = pulp.LpVariable("a01", 0, 1, cat="Integer") # Create a variable x >= 0
x31 = pulp.LpVariable("x31", 0, 1, cat=
浏览 23提问于2020-05-20得票数 0
回答已采纳
2回答
我目前正在构建纸浆中的调度计划，但是我很难理解如何表示供纸浆解析的供应变量，因为数据包含在多个索引数据中。
Problem I试图将任何三角洲的供应最小化，以便按工厂、按月计算的供应量与需求相匹配。注意，并非所有工厂都生产所需的产品。
电流供应数据
我知道i.e接受变量字典作为输入，即：
LpVariable.dicts("Route",(plant, output)
但是，我不确定如何将supply表示为：
(月份、工厂、产品、production_output)
任何帮助都非常感谢。
浏览 1提问于2020-02-18得票数 1
回答已采纳
假设我有这本字典：
cars = ["car1","car2","car3","car4","car5"]
x = LpVariable.dicts("car",cars, cat='Integer', lowBound=0, upBound=800)
请给每辆车添加不同的lowBound和upBounds，好吗？
Note
简单的代码版本如下所示：
car1 = LpVariable("car1", 0, 40)
car2 = LpVariable("
浏览 1提问于2020-09-02得票数 1
回答已采纳
1回答
我使用纸浆是出于线性优化的原因。一切都很好，我得到了结果，我正在打印每一个结果：
for i in range (0, len(opt_P)):
print (opt_P[i].name + " = " + str(opt_P[i].varValue))
输出如下：
0 = 20.0
1 = 20.0
10 = 1200.0
11 = 1200.0
2 = 20.0
3 = 20.0
4 = 20.0
5 = 20.0
6 = 1200.0
7 = 1200.0
8 = 45.895992
9 = 1200.0
我想用opt_P.sort()函数对结果进行排序，但是我得
浏览 1提问于2020-01-14得票数 0
回答已采纳
1回答
我必须用Python用纸浆解决一个整数线性优化问题。我解决了基本问题，现在我必须添加额外的约束。有没有人可以帮我添加一个逻辑指标的条件？逻辑限制是:如果为A>20，则为B>5
下面是我的代码：
from pulp import *
prob = LpProblem("The Optimization Problem", LpMaximize)
A = LpVariable("A", 0, 100)
B = LpVariable("B", 0, 200)
C = LpVariable("C", 0, 100)
R1 =
浏览 0提问于2018-01-17得票数 2
1回答
我试图通过使两个LpVariables大于0的绝对值来约束我的问题。在我的实施过程中有什么明显的遗漏吗？
这是我在上找到的一个实现，我在下面的代码中实现了它。我试着改变M的值，但这并没有什么区别。
当我将实际结果输入公式(例如q1x-q2x = 0)时，我发现这并不满足约束。然而，纸浆说，解决方案是最佳的。
prob = LpProblem("myProblem", LpMinimize)
q1x = LpVariable("q1x",1,8)
q2x = LpVariable("q2x",1,8)
B12 = LpVariable(&#
浏览 2提问于2019-10-12得票数 0
1回答
目前，我正在研究一个纸浆生产线最小化问题。在这个问题中，变量X等于一列数字的总和。如果X为正，则不应向目标添加任何惩罚。但是，如果X为负，则应将其添加到目标的as惩罚中。这意味着在这种情况下，Penalty应该等于-X。 例如： X = lpvariable('X'-1000,1000,cat='Integer')
Penalty =lpvariable('Penalty', 0,1000,cat='Integer')
prob += Penalty # Objective
prob += 10 + 11 + -2 + -4
浏览 7提问于2020-01-17得票数 0
回答已采纳
1回答
我正在用纸浆进行线性规划，我想要的是如何在我的列表中指定每个项目的界限
mylist=["x","y","z"]
我创造了这个：
vars = LpVariable.dicts("vars", mylist, lowBound=0, cat='Continuous')
但是它为我的列表中的所有项目创建了一个全局边界，我想要的是列表中的每一项。
我试了一下，但没有用：
x = LpVariable("x", lowBound=5, upBound=10, cat='Continuous'
浏览 2提问于2022-07-28得票数 0
回答已采纳
我需要用线性规划分析大量的尺寸问题，但是我的纸浆代码没有正常工作。
from pulp import *
prob = LpProblem("Lot_Sizing_Problem", LpMinimize)
period = []
for i in range(H):
period.append(i)
order = LpVariable.dicts('order', period, lowBound = 0, upBound = 1, cat='integer'),
orderamount = LpVariable.dicts(&
浏览 3提问于2020-03-05得票数 0
import pulp as p
import numpy as np
a1=np.array([1000,2000,3000,7000,8000,13000,223000,32000,35000,369000,38000,3885000])
x=p.LpVariable('x', lowBound=5000, cat='Continuous')
y=p.LpVariable('y', lowBound=8000,cat='Continuous')
Lp_prob=(((y-x)*1.3+x)*0.014428)+((a1-y
浏览 3提问于2020-10-17得票数 0
我有以下优化问题：
受制于
哪里
= {0,1} (二进制变量)。
当我在纸浆中实现这一点时：
from pulp import *
x1 = pulp.LpVariable('x1', cat=LpBinary)
x2 = pulp.LpVariable('x2', cat=LpBinary)
x3 = pulp.LpVariable('x3', cat=LpBinary)
x4 = pulp.LpVariable('x4', cat=LpBinary)
prob = pulp.LpProblem('
浏览 0提问于2018-05-08得票数 3
回答已采纳
1回答
我目前正在使用Python中的Pulp模块解决一个优化问题。我想将我的变量设置为7500的整数倍，所以我创建了一个常数，如下所示，但它显示错误。
import pandas as pd
import numpy as np
from pulp import *
prob = LpProblem('Cost minimization' , LpMinimize)
X = LpVariable.dicts('',tsap.varName, lowBound=0, upBound=None, cat=LpInteger)
prob += lpSum( X[i
浏览 8提问于2017-07-06得票数 0
回答已采纳
2回答
我尝试使用带有默认求解器的but来显示dual变量，但是我总是得到"None“作为dual的值。 在此示例中： from pulp import *
prob = LpProblem("test080", LpMinimize)
x = LpVariable("x", 0, 5)
y = LpVariable("y", -1, 1)
z = LpVariable("z", 0)
c1 = x+y <= 5
c2 = x+z >= 10
c3 = -y+z == 7
prob += x + 4*y + 9*z
浏览 8提问于2020-08-19得票数 0
1回答
我希望我的决策变量依赖于前一阶段的开始变量，这些变量被另一个决策变量所改变。我得到的错误是：
my_problem += lineup_wk1[i] == starting_lineup[i] + trans_in[i] - trans_out[i] for i in players
上面写着
File "<ipython-input-21-42d75f1d2bc3>", line 4
my_problem += lineup_wk1[i] == starting_lineup[i] + trans_in[i] - trans_out[i] for i
浏览 1提问于2021-12-04得票数 0
回答已采纳
我想使用下面的线性规划问题(LPP)方程，根据用户的兴趣、兴趣和受欢迎程度来计算特定用户的最大值。
在python3.7中使用纸浆包装。
我有四份名单
利息=5 10 15 20 25
人气= 4,8,12,16,20
用户= 1,2,3,4,5
费用= 2,4,6,8,10
和2个变量值作为
e=0.5；e可取(0或1或0.5)
budget=20
和
i=0 to n；n是列表的长度。
意味着，求和要对所有列表值执行。
在这里，如果e==0表示兴趣将为0；如果e==1表示受欢迎程度为0；如果e==0.5表示兴趣和受欢迎程度，则考虑最大值
同样，xi取0或1
浏览 0提问于2019-02-18得票数 2
回答已采纳
1回答
当使用纸浆定义混合整数线性规划问题时，可以这样定义so：
x1 = LpVariable('x1', cat = LpInteger)
x2 = LpVariable('x2', cat = LpInteger)
prob.sos1['sos'] = x1 + 2*x2
( "sos"，或特殊有序集合，是一个特殊的约束，指定集合中只有一个变量可以非零)。
我们看到，这允许指定sos变量的权重(在本例中为1，2)。据推测，它们定义了每个变量的优先级，即在分支时允许哪些变量首先为非零。
但是权重到底是如何定义的呢？
底层的求解器是硬币
浏览 4提问于2018-09-15得票数 1
当我运行以下代码时：
from pulp import *
x = pulp.LpVariable("x", 0, None , LpContinuous)
y = pulp.LpVariable("y", 0, None , LpContinuous)
problem = pulp.LpProblem("A simple max problem", pulp.LpMinimize)
problem += x + y, "The objective function"
problem += x + 2*y == 2, &
浏览 7提问于2017-12-09得票数 1
回答已采纳
1回答
我正在研究一个很简单的纸浆问题，在这个问题上，我有一个影响数据集中每个条目的变量。我希望尽可能最小化每个条目的目标度量与单个变量造成的影响之间的绝对差异，以确保我尽可能接近目标。到目前为止，我已经：
import pulp
import math
prob = pulp.LpProblem(
"Example",
pulp.LpMinimize
)
mRHT = pulp.LpVariable("MRExHT")
pcnts = df['Affect %'].tolist()
gaps = df['Target M
浏览 17提问于2021-12-17得票数 1
1回答
第一次使用纸浆时，我试图对我正在处理的生产问题设置一个条件约束。不幸的是，我在文档中也找不到如何这样做的例子。
目标函数是通过通知每月的工厂生产，根据每个产品的预测价格减去成本(当然这里省略了许多其他约束，否则就会简单得多)，从而使收入最大化。
对于以下数据，我需要设置以下约束：
A工厂每月只能生产一种产品，尽管它具有生产多种产品的能力。
这就限制了一家工厂一个月只能生产一种产品。我对纸浆还很陌生，但尽管我在文档和S.O方面做了很多研究，但我找不到一个示例实现。
生产数据：
到目前为止我的代码
# omitted data etl logic - it is formatt
浏览 3提问于2020-03-20得票数 0
在尝试添加位于第31行的模型小时([MAHLi (i，j) in <= += ])<= 40上的约束时，我始终收到错误 我不确定如何正确设置此约束。我试着说，在i和j的每个索引中，特定值需要小于40，并对所有i，j对都这样做。 我对纸浆非常陌生，正在尝试建立并运行一个基本的模型。输入数据只是一堆长365行、宽24列的随机值。 from pulp import *
import pandas as pd
import numpy as np
import xlrd
model = pulp.LpProblem("Basic Model", pulp.LpMaxim
浏览 13提问于2019-06-12得票数 0
回答已采纳
1回答
我有一份清单如下：
list = [var_1, var_2, var_3]
使用Pulp库，我尝试用for循环将它们定义为变量：
LpVariable(list[i] for i in range(len(list)))
然后我试着把它们都总结出来，并把它们与模型联系起来：
model += LpVariable(list[i] for i in range(len(list)))
在这两种情况下，我都得到了一个错误，即预期的字符串或类似字节的对象
有谁可以帮我？
问候
浏览 0提问于2021-04-23得票数 2
回答已采纳
1回答
纸浆优化不重复排列组合
、、、
我正在处理一个优化问题，当两个产品对被出售时，我的目标是利润最大化，但约束是，这对产品中的产品不应该重复。
我正在使用Pulp来优化解决方案，但是代码效率低下，并且循环无限。
file = pd.read_csv('input_file.csv')
main_product_1 = list(file['Product ID'].unique())
main_product_2 = list(file['Product ID 2'].unique())
file.set_index(['Product ID', &#
浏览 4提问于2020-08-18得票数 0
回答已采纳
我遇到了以下代码：
from pulp import *
import numpy as np
prob = LpProblem("lp_prob", LpMinimize)
decision_variables = LpVariable.dicts('x', range(5))
prob += np.sum(decision_variables.values())
当我在我的机器上尝试相同的代码时，它在最后一行给出了以下错误：
TypeError: Can only add LpConstraintVar, LpConstraint, LpAffineExpr
浏览 1提问于2020-10-22得票数 1
1回答
我有一些要点(N)。对于这些点，我有一个距离矩阵D (N*N)。另外，我有这些点A (1*N)的属性数据。我想选择固定数量的点(K)，这样当选定点之间的距离在一个范围(min_dis，max_dis)之间时，就会出现sum of attribute is maximum。
我试着用N=10，K=3在纸浆中实现这个优化问题。
A = [300,436,234,11,23,897,439,56,123,432]。
import pulp
import numpy as np
inds = range(10)
#create a vector x which wi
浏览 1提问于2018-05-09得票数 0
1回答
我有一个字典，它有两个键(i和j)，它们与数据帧中的索引相同。数据帧的例子-对不同的i和j配对的要求。
i j Demand
0 1 13
0 2 24
0 3 68
0 4 92
0 5 72
0 6 11
0 7 12
0 8 6
0 9 4
0 10 3
1 1 0
1 2 11
1 3 15
. . .
i's从0到9，j对每个i从1到10重复。接受预订的字典是根据这样的要求构建的：
bookingsaccepted = pulp.LpVariable.dic
浏览 3提问于2017-06-28得票数 1
我试图使用上的PuLP来解决这个问题。
这是我的密码：
from pulp import *
# Create the 'prob' variable to contain the problem data
prob = LpProblem("The Bus Problem",LpMinimize)
# The variables are created with a lower limit of zero
x0=LpVariable("Number of drivers at time 0",0,None,LpInteger)
x4=LpV
浏览 3提问于2017-07-30得票数 1
回答已采纳
1回答
我需要在python中解决一个线性规划问题，并遇到了PuLP。然而，我对如何以一种简单的方式，用不同的输入来解决一个问题有一些疑问。
我有以下数组，它们都具有相同的维度：
a =
u = u0，u1，.
v = v0，v1，.，vn
(已知这些值)
我想要最大化：a0*u0+a1*u1+...+an*un
视下列情况而定：
a0+a1+...+an=1
a0*v0+a1*v1+...+an*vn>=0
我可以通过有限数量的变量(例如，3个变量)来完成这一任务：
prob = LpProblem("Decision",LpMaximize)
a = list()
a.a
浏览 0提问于2019-04-13得票数 1
当我试图在目标表达式中使用math.log函数时，这个错误弹出。有人能帮我理解一下如何添加我需要优化的公式吗？
model_MPL += samples * (math.log( beta_var ) -beta_var* math.log(alfa_var)) + suma
我正在尝试重现Excel的求解器，以便优化威布尔分布的alpha和beta参数。
data = np.array([509,660,386,753,811,613,848,725,315,872,487,512])
def func_aplicada(x):
return (beta_last -1)*math
浏览 0提问于2020-03-20得票数 0
1回答
我正在尝试使用MIP，使用纸浆包将岛屿连接在一起，或连接到终端。所需的解决方案是找到系统中的最小距离。
下面MIP代码的结果显示，最小距离是将所有岛屿连接到终端，尽管这些岛屿与终端之间的距离显然很高。代码应该把一些岛屿连接在一起。
我做错什么了？感谢你的支持。
import itertools
import pulp
islands = {0: [(0, 0)], 1: [(0, 7)], 2: [(3, 3)]} ## islands id = 0,1,2 and their locations
terminal = {3: [(1,1)]} ## the terminal id =
浏览 1提问于2018-11-25得票数 0
回答已采纳
是否有可能通过三个变量在Python中创建LpVariable？
到目前为止，我已经成功地使用了两个变量的组合--下面是一个使用篮球运动员和篮球位置组合的例子。优化器将选择players+positions的组合，每个组合将发挥最大的点。(但须遵守以下未写入的约束)
decision_variable = pulp.LpVariable.dicts('PlayerPosition', (PlayerVar, PositionVar), lowBound = 0, upBound = 1, cat='Integer')
我的问题是--是否可以添加第三个变量，优化器
浏览 9提问于2022-10-20得票数 0
回答已采纳
1回答
我有一个线性方程Ax = b，我试图用Python中的纸浆来最小化(Ax)^2。A的尺寸是(1000,500)，b是(1000，)。
到目前为止，我已经尝试过：
import pulp
mse = pulp.LpProblem("Example_Problem", LpMinimize)
vars = pulp.LpVariable.dicts('x', range(len(A[0])), lowBound=0,upBound =1,
cat='Integer')
for row, rh
浏览 4提问于2018-07-26得票数 0
1回答
纸浆求解约束
、、
我正在创建一个LP解决程序使用纸浆，以获得最低的成本。我想添加一个上限值来跳过一些结果。
costs = dict(zip(Variety_items,tempdf['cost']))
Bright = dict(zip(Variety_items,tempdf['Bright']))
Colour = dict(zip(Variety_items,tempdf['colour']))
Thickness = dict(zip(Variety_items,tempdf['Thickness']))
prob = LpProble
浏览 2提问于2021-04-14得票数 0
回答已采纳
1回答
我正在尝试使用纸浆和XPRESS求解器来获得LP问题的影子价格。 使用CBC解算器，.pi命令可以正常工作： import pulp
my_lp_problem = pulp.LpProblem("My LP Problem", pulp.LpMinimize)
a = pulp.LpVariable("L",lowBound=-10, upBound=10, cat='Continuous')
my_lp_problem += a<= 2
my_lp_problem += a >= -5
my_lp_problem += a
my
浏览 18提问于2020-10-07得票数 0
我想选择一个正方形矩阵的固定大小的正方形子集，这样子集矩阵的和就会最小化。下面是一些代码：
import nump as np
import pulp
def subset_matrix(data, inds):
return data[np.ix_(inds, inds)]
A = np.random.random((10, 10))
indices = list(range(len(A)))
prob = pulp.LpProblem("Minimum subset", pulp.LpMaximize)
x = pulp.LpVariable.dicts(
浏览 3提问于2016-12-13得票数 1
1回答
我试图用纸浆得到以下目标函数的最小值U(X)，
其中x_{f,i,v}是二进制值。
当向max()设置目标函数时，我在编写pulp.LpProblem时遇到了问题。
我所做的是使用python内部函数max()，但它给了我一个错误。好像它不能用来打浆。
for each_sfc in self.SFCs:
vnf_id_list = list()
for each_VNF in each_sfc.VNF_list:
vnf_id_list.append(str(each_VNF.ID))
new_sfc_v
浏览 5提问于2020-11-22得票数 0
回答已采纳
我正在尝试建立一个涉及3个工厂和4个配送中心的线性规划问题。目标是最小化成本，但每个工厂配送中心组合都有不同的相关成本。 有没有更好的方法来创建变量，不管是用纸浆还是其他库，这样我就不用写那么多了。目前我的是这样的。 from pulp import *
#define the problem
prob=LpProblem('transportation', LpMinimize)
#create Variables
plant1_center1 = LpVariable('plant1_center1', lowBound=0, cat=&
浏览 14提问于2021-08-19得票数 3
回答已采纳
1回答
Python纸浆线性规划约束
、、、、
我对纸浆完全陌生，我想知道我是否需要优化以下内容：
x = pulp.LpVariable.dicts("Volume", range(0, 7), cat='Binary')
其中，无论何时有0，都需要至少有3个。
因此解决方案可以是0,0,0, 0,0,0,1，0,0,0，0，0，1,1,1,0,0,0,1，1，1，0，0，0，1，0，1，0，0，0，但不是1，0，1，0，1，0。
我尝试添加一个约束，如下所示：
prob += min([len(list(g)) for k, g in itertools.groupby(x.values()) if k
浏览 15提问于2020-05-27得票数 2
回答已采纳
1回答
这是对这个问题的跟进：
为了清晰起见，我修改了代码设置，如下所示。目标是在3场比赛中最大限度地增加得分。名单上的每一位球员在3场比赛中的每一场都有一个不同的得分投影，分别在3个不同的位置。
import pulp
# SETS
players = {'Jordan', 'Abdul Jabbar', 'Johnson', 'James', 'Bird', 'Bryant', 'Embiid', 'Curry', 'Wade', 'Bosh&
浏览 6提问于2022-10-21得票数 0
回答已采纳
我声明了LpVariable的列表facility
for fac in range (len(candidates)):
facility.append(LpVariable("Facility_{0}".format(fac),lowBound=0, upBound=1, cat= pulp.LpInteger ))
当我执行print(value(facility[i]))时，它给我的输出是None，这是可以的，因为默认情况下所有的LpVariables都没有值。但在我的代码中，我想用0初始化。但当我解决问题时，最优解可以是0到1之间的任何值。如果我这样做：
fo
浏览 0提问于2015-10-28得票数 1
1回答
我正在用Python做线性编程。这是我的一个限制: pulp是一个第三方包。
from pulp import *
x1 = LpVariable('x1', 1, 5, cat='Integer')
x2 = LpVariable('x2', 2, 6, cat='Integer')
prob += x1 % 3 != x2 % 3
显然，%不支持LpVariable。
那么，我能做些什么来解决这个问题呢？
提前谢谢。
浏览 4提问于2020-05-10得票数 0
1回答
我用python写了一个模拟器，我用Pypy来加速它。我需要用于整数编程的纸浆模块，据我所知Pypy不支持它()。
有没有什么干净的方法来使用Pypy的纸浆？某种类型的python包装器，或者甚至是从外部调用python脚本并获得结果的方法？
-Many谢谢
浏览 1提问于2012-11-17得票数 2
回答已采纳
2回答
下面的代码允许我根据允许的预算(Max_cost)和选择(max_to_pick)来优化利润。在不能选择同一城市的情况下，如何添加新约束。 from pulp import *
# PROBLEM DATA:
costs = [15, 25, 35, 40, 45, 55]
profits = [1.7, 2, 2.4, 3.2, 5.6, 6.2]
# city = ["NYC","SF","LA","SF","NYC","LA"] NEW CONSTRAINTS
ma
浏览 52提问于2020-03-29得票数 0
回答已采纳
我已经设置了一个小脚本来描述在纸浆中的饮食优化解决方案。特别的整数并不是真正相关的，它们只是来自食物的宏。奇怪的是，当protein_ratio、carb_ratio或fat_ratio之一为0.1时，问题就变得不可行了。对于这些因素的其他组合(，应该总是加到1)，这个问题有一个解决方案。有什么方法可以放松目标函数，使解有一个小的误差范围？例如，它不会给你带来800卡路里的食物，而是会给你带来810卡路里的食物。这仍然是可以接受的。下面是脚本：
from pulp import *
target_calories = 1500
protein_ratio = 0.4 #play aroun
浏览 2提问于2019-05-05得票数 0
回答已采纳
我有一个在调试器中查找的列表对象，如下所示： ? 如您所见，list的元素是按字母顺序排序的。也就是说，在索引02处，它有元素10，而不是2。还要注意，每个元素实际上是一个pulp.pulp.LpVariable类型的对象，我们在list中看到的数字实际上是每个对象的name属性的值(可以在最后一个图像列表中看到)。纸浆似乎按字母顺序对其变量进行排序。 我希望这个列表按每个对象的名称进行数字排序。也就是说，我希望在索引2中使用2，在索引3中使用3，依此类推。 我试过以下几种方法： >>> from pulp import *
>>> prob =
浏览 9提问于2020-10-22得票数 0
1回答
我使用python作为编程语言，并试图在二进制变量上实现二进制约束。但该约束没有得到应用，结果也不完全正确。
在下面的代码片段中，我希望将长度相同的项放在一个bin中。(这只是大局的一个子问题，我只需要用纸浆来解决)。
import pulp
from itertools import product
import pandas as pd
# DataFrame of item, weight, and length
df_updated = pd.DataFrame([['item1', 10, 'A'], ['item2', 15, &#
浏览 14提问于2022-07-25得票数 1
回答已采纳
我已经用python写了一些使用纸浆库的代码，用来解决线性问题。但是，如果我将y变量的名称更改为s或r并重新运行程序，则会得到不同的结果。对于不同的结果，我指的是变量x1，x2 ...正在打印的x10和y1...y10。但是，最小值保持不变，为36650。
代码如下：
from pulp import LpMaximize, LpProblem, LpStatus, lpSum, LpVariable, LpMinimize
model = LpProblem(name="resource", sense=LpMinimize)
x = {i: LpVariable(nam
浏览 1提问于2020-12-29得票数 0
我正在尝试将其中一个数组变量的解输出到excel工作簿中。除了纸浆中变量的表示之外，我不能得到任何其他东西，而不是求解的值(这就是我想要的)。 我尝试了许多不同的pandas/numpy数据帧和数组，但都没有成功。我也试过使用excel writer库，但没有成功。 YPER = 30
HE = 24
yearlyhours = []
yearlyhours = [(i,j) for i in range(YPER) for j in range(HE)]
MAHLDIFF = pulp.LpVariable.dicts("MAHLDIFF", (range(YPER),
浏览 22提问于2019-06-25得票数 1
回答已采纳
我想知道如何在纸浆上一步一步地添加GLPK解算器，python。我已经安装了python (v=3.6.5)，纸浆(v=1.6.8)。
当我执行pulp.pulpTestAll()时，我得到了如下结果。
Testing zero subtraction
Testing inconsistant lp solution
Testing continuous LP solution
Testing maximize continuous LP solution
Testing unbounded continuous LP solution
Testing Long Names
Te
浏览 86提问于2018-08-16得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
