纸浆优化错误- LPVariable对象不支持索引
纸浆优化错误是指在使用纸浆优化算法进行计算时，出现了LPVariable对象不支持索引的错误。
LPVariable对象是用于线性规划问题中定义变量的对象。线性规划是一种优化问题，目标是找到使线性目标函数最大或最小的变量值。LPVariable对象用于定义这些变量，并设置它们的取值范围、约束条件等。
然而，LPVariable对象不支持索引的操作，即不能通过下标来访问或修改LPVariable对象。这意味着我们不能像访问数组或列表中的元素那样，通过索引来访问或修改LPVariable对象的属性。
解决这个错误的方法是检查代码中对LPVariable对象的操作，确保没有使用索引操作。如果需要对多个LPVariable对象进行操作，可以考虑使用循环或其他合适的方法来处理。
在腾讯云的产品中，与纸浆优化相关的产品是腾讯优图智能优化。腾讯优图智能优化是一种基于云计算和人工智能的图像处理服务，可以对图像进行优化和处理，包括去除噪声、增强图像质量、调整图像颜色等。该服务可以帮助用户提高图像处理的效率和质量，适用于广告、媒体、电子商务等领域。
您可以通过以下链接了解腾讯优图智能优化的详细信息： 腾讯优图智能优化产品介绍：https://cloud.tencent.com/product/ftiautoedit
需要注意的是，LPVariable对象不属于腾讯云产品的范畴，因此无法给出与腾讯云产品相关的链接。同时，本回答中不涉及其他云计算品牌商的信息，如有需要，请提供相关问题。
相关·内容
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
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
我需要把一块从纸浆转移到脓液上。我的纸浆代码片段如下所示。它基本上是过滤可能和不可能的组合，然后将其转换为变量。
feasible_set = [(a, b) for a in food_type for b in specimen_type if condition satisfied]
not_feasible_set= [(a, b) for a in food_type for b in specimen_type if (a,b) not in feasible_set]
allocate = pulp.LpVariable.dicts("
浏览 2提问于2020-09-12得票数 1
关于下面的代码，我有一个问题。在这个问题中，我们试图找到x(i)的最大值。需要三个变量才能找到最优可行的解决方案，我不会用细节来打扰您。在定义了目标函数之后，我们继续定义约束。参数d_ajs包含a、j和s的所有组合的整数值。现在的问题是，将这两个变量相乘返回以下错误：非常数表达式不能乘以。
有人能帮我吗？造成这一错误的原因是什么，如何解决？
提前感谢！
from pulp import *
prob = LpProblem("Model2", LpMaximize)
# Variables
x = pd.Series(index=b_i.index)
for i in b_
浏览 0提问于2018-01-26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
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
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
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
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
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
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
利用纸浆的离散优化
、、、
prob = pulp.LpProblem('C and T', pulp.LpMaximize)
C = pulp.LpVariable("C", lowBound = 0, cat = pulp.LpInteger )
T = pulp.LpVariable('T', lowBound = 0, cat = pulp.LpInteger)
prob += 25*T + 10*C
prob += 5*T + 2 *C <= 30
prob += C >= 3*T
prob.solve()
在解决了这个优化之后，我希望看到变量的值。
浏览 3提问于2022-11-03得票数 0
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
我在用纸浆的蟒蛇中用LP解决了这个基本问题。现在，我想再添加一个条件约束，以指定至少一个决策变量的最小值为2。
prob = LpProblem("Minimizing cost", LpMinimize)
A = LpVariable("A", lowBound=0, cat='Integer')
B = LpVariable("B", lowBound=0, cat='Integer')
C = LpVariable("C", lowBound=0, cat='Integer')
浏览 0提问于2018-06-25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
纸浆优化问题-约束问题
、、、
我正在用PuLP创建一个优化函数来优化一个投资组合。我有一个资产清单，每个资产的流动性水平为1，2，3之一。
我试图创造一个约束，即至少20%的投资组合需要有一级流动性。
我已经创建了一个字典(流动性)，它保存了{' asset ':Level}，并试图使用它和资产变量(asset_vars)创建约束，这是一个LpVariable。
asset_vars = pl.LpVariable.dicts("Assets", asset_list,lowBound=0, upBound=1, cat='Integer')
prob += pl.lpSum
浏览 0提问于2021-01-05得票数 0
回答已采纳
1回答
def square(n,m):
my_lp_problem = pulp.LpProblem("My LP Problem", pulp.LpMinimize)
x1 = pulp.LpVariable('x1', lowBound=0, cat='Integer')
x2 = pulp.LpVariable('x2', lowBound=0, cat='Integer')
x3 = pulp.LpVariable('x3', lowBound=0, cat=
浏览 3提问于2019-11-10得票数 0
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
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
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
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
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
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
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
我使用纸浆模块来解决一些优化问题。对于整数，它的工作方式就像一种魅力。我不知道纸浆是否有可能用实数计算。我想这叫做混合整数规划。
下面是我为我的项目构建的一个示例优化问题。
prob = pulp.LpProblem("example", pulp.LpMinimize)
# Variable represent number of times device i is used
n1 = pulp.LpVariable("n1", 1, 5, pulp.LpInteger)
n2 = pulp.LpVariable("n2", 0, max_e
浏览 2提问于2011-05-10得票数 1
回答已采纳
我正在尝试用Python纸浆解决一个优化问题。以下是我的基本LP模型。
prob = LpProblem("Minimizing cost", LpMinimize)
A = LpVariable("A", lowBound=0, cat='Integer')
B = LpVariable("B", lowBound=0, cat='Integer')
C = LpVariable("C", lowBound=0, cat='Integer')
prob += 1*A + 1.58*
浏览 0提问于2018-07-29得票数 0
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
我试图解决一个线性规划问题使用硬币-或在python。我已经做了所有的工作，但似乎有一个错误，我无法识别。很多时候，根据我试图强迫的约束，这个解决方案要么是不可行的，要么是不正确的。该值，二进制变量也不正确，即~0.1^10或~0.999.
请帮助我找到错误或试图指导解决问题。
我在附上
zip文件(代码+从excel输入数据文件)
文字医生。对于数学公式
Model1主类接受输入并创建一个新的输出文件，然后PanelTwo类方法构建距离矩阵和Njg矩阵。
Model1类的构造函数方法似乎存在错误，它构建了theLP并解决了LP。
声明变量和约束的代码是：
M= 100000
浏览 1提问于2017-04-18得票数 0
回答已采纳
我试图在纸浆中设置一些特定的约束，感觉我错过了一些简单的东西。所有问题都是相同的生成器，在‘TypeError’和int或continuous之间显示不支持的操作数。 我已经尝试了各种解决方案，我所提供的代码，虽然不能工作。 YPER = 365
HE = 24
yearlyhours = [(i,j) for i in range(YPER) for j in range(HE)]
YAHL = pulp.LpVariable.dicts('YAHL', yearlyhours, lowBound=0, cat='Continuous')
YALL =
浏览 10提问于2019-06-12得票数 1
回答已采纳
1回答
我发现很难将Excel模型转换为python纸浆语法。在我的模型中，我对每个部门的HC和OT变量进行了优化，目的是最小化OT变量的总和。这些约束要求HC变量之和不超过92，并且总生产(在下面的电子表格中是=E2*C2*D2 + F2*C2)满足每个部门的需求(下面excel电子表格的“输入”列)。下面显示的Excel求解器公式工作得很好。
问题
如何在纸浆中(在Excel F7 =SUM(F2:f6)中)编写目标函数？
约束E7 <= 92
约束G2:G6 >= B2:B6
我有两个决策变量HC和OT。在下面的python代码中，我只创建了一个变量。
先于
浏览 0提问于2017-08-21得票数 4
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
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
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
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
1回答
我正在编写一个代码，它使给定一组约束的目标函数的值最大化。它有四个标记为x1的变量为x4，具有两个等式约束和两个不等式约束。用Linprog解决问题给了我一个恰当的结果。但是使用纸浆法只会给我零分的结果。
from pulp import LpMaximize, LpProblem, LpStatus, lpSum, LpVariable
import numpy as np
# Create the model
model = LpProblem(name="optimize", sense=LpMaximize)
# Initialize the decision va
浏览 2提问于2022-04-20得票数 1
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
1回答
我想将模型的解导出为矩阵形式，从而将变量添加到Soln中，但关键错误。请帮助解决这个问题。 或者建议使用其他方法将解决方案导出为m*n的表格式。 KeyError Traceback (most recent call last)
<ipython-input-52-c86dd2a00da5> in <module>()
82 for i in range (1,Box+1):
83 for j in range (1, Pallet+1):
---> 84 Sol
浏览 28提问于2020-08-31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
我对PuLP和线性规划很陌生。我知道已经有一些关于条件约束的问题，但我无法用线性优化模型正确地解决我的问题。基本上，我得到了一个变量x，它可以取-10到10之间的任何值。现在，我想知道它是正数还是负值，取决于其他变量的变化。所以，就像：
T = 7
x = np.random.randint(-10,10,T)
x1 = np.empty(len(T))
x2 = np.empty(len(T))
for i in range(len(T)):
if x[i] >= 0:
x1[i] = x[i]
x2[i] = 0
else:
浏览 2提问于2022-08-03得票数 2
2回答
在使用了一年又一年的Matlab之后，我仍然是Python的新手。我正在尝试使用纸浆来建立一个整数线性规划。
给定一个数字数组：
{P[i]:i=1...N}
我想最大化：
sum( x_i P_i )
受制于这些约束
A x <= b
A_eq x = b_eq
和边界(基于向量的边界)
LB <= x <= UB
然而，我不知道如何正确地进行向量声明。我使用的是：
RANGE = range(numpy.size(P))
x = pulp.LpVariable.dicts("x", LB_ind, UB_ind, "Integer")
其中
浏览 2提问于2011-10-11得票数 18
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
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
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
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
1回答
我想使用纸浆最小化以下带有一些约束的简单函数f(x,y,z) = x*y*z和x<=20 + y和y < z+2。有谁知道如何做到这一点吗？
当我尝试的时候，我总是得到
TypeError: Non-constant expressions cannot be multiplied
任何帮助都将不胜感激。下面请找到下面的代码
from pulp import *
#pulp.pulpTestAll()
prob = LpProblem("Profit", LpMinimize)
浏览 0提问于2012-08-20得票数 0
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
