Utiliser lpSum

Analyse de la chaîne d’approvisionnement en Python

Aaren Stubberfield

Supply Chain Analytics Mgr.

Passer du simple au complexe

Exemple simple de boulangerie

# Define Decision Variables
A = LpVariable('A', lowBound=0, cat='Integer')
B = LpVariable('B', lowBound=0, cat='Integer')

Exemple de boulangerie plus complexe

# Define Decision Variables
A = LpVariable('A', lowBound=0, cat='Integer')
B = LpVariable('B', lowBound=0, cat='Integer')
C = LpVariable('C', lowBound=0, cat='Integer')
D = LpVariable('D', lowBound=0, cat='Integer')
E = LpVariable('E', lowBound=0, cat='Integer')
F = LpVariable('F', lowBound=0, cat='Integer')

Passer du simple au complexe

Fonction objectif de l'exemple complexe

# Define Objective Function
model += 20*A + 40*B + 33*C + 14*D + 6*E + 60*F

Besoin d'une méthode pour passer à l'échelle

Image de fonction avec de nombreuses variables

Utiliser lpSum()

lpSum(vector)

vector = une liste d'expressions linéaires

Donc…

# Define Objective Function
model += 20*A + 40*B + 33*C + 14*D + 6*E + 60*F

Équivalent à…

# Define Objective Function
var_list = [20*A, 40*B, 33*C, 14*D, 6*E, 60*F]
model += lpSum(var_list)

lpSum avec compréhension de liste

# Define Objective Function
cake_types = ["A", "B", "C", "D", "E", "F"]
profit_by_cake = {"A":20, "B":40, "C":33, "D":14, "E":6, "F":60}
var_dict = {"A":A, "B":B, "C":C, "D":D, "E":E, "F":F}

model += lpSum([profit_by_cake[type] * var_dict[type] 
                for type in cake_types])

En résumé

Besoin d'une façon de sommer de nombreuses variables
lpSum()
Utilisé dans une compréhension de liste

Passons à la pratique !

Analyse de la chaîne d’approvisionnement en Python