python - Python Pulp 使用矩阵

Question

在多年使用 Matlab 之后，我对 Python 还是很陌生。我正在尝试使用 Pulp 来建立一个整数线性程序。

给定一个数字数组：

{P[i]:i=1...N}

我想最大化：

sum( x_i P_i )

受约束

A x <= b
A_eq x = b_eq

并且有边界（基于向量的边界）

LB <= x <= UB

然而，在纸浆中，我看不到如何正确地进行向量声明。我正在使用：

RANGE = range(numpy.size(P))
x = pulp.LpVariable.dicts("x", LB_ind, UB_ind, "Integer")

我只能输入个人界限（所以只有1个数字）。

prob = pulp.LpProblem("Test", pulp.LpMaximize)
prob += pulp.lpSum([Prices[i]*Dispatch[i] for i in RANGE])

对于约束，我真的必须每行都做这一行吗？看来我错过了什么。我会很感激一些帮助。该文档讨论了一个简短的示例。在我的例子中，变量的数量是几千个。

score 8 · Accepted Answer

您可以在初始化后设置变量的 lowBound 和 upBound。您可以创建一个变量数组

LB[i] <= x[i] <= UB[i]

使用以下代码。

x = pulp.LpVariable.dicts("x", RANGE,  cat="Integer")
for i in x.viewkeys():
     x[i].lowBound = LB_ind[i]
     x[i].upBound = UB_ind[i]

LpVariable.dict 的第二个参数是决策变量的索引集，而不是它们的下限。

score 3 · Accepted Answer

对于第一个问题，您可以在其他问题中这样做。

students = range(96)
group = range(24)

var = lp.LpVariable.dicts("if_i_in_group_j", ((i, j) for i in students for j in group),cat='binary')

2 回答 2