Funzione dizionario LpVariable

Analytics per la supply chain con Python

Aaren Stubberfield

Supply Chain Analytics Mgr.

Da semplice a complesso

Esempio complesso di panificio

# Definisci le variabili decisionali
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')

# Definisci la funzione obiettivo
var_dict = {"A":A, "B":B, "C":C, "D":D, "E":E, "F":F}

# Definisci la funzione obiettivo
model += lpSum([profit_by_cake[type] * var_dict[type] for type in cake_types])

Uso di LpVariable.dicts()

LpVariable(name, indexs, lowBound=None, upBound=None, cat='Continuous')

name = Prefisso del nome di ogni variabile LP creata
indexs = Lista di stringhe: le chiavi del dizionario di variabili LP
lowBound = Limite inferiore
upBound = Limite superiore
cat = Tipo di variabile
- Integer
- Binary
- Continuous (predefinito)

LpVariable.dicts() con list comprehension

LpVariable.dicts() spesso usata con le list comprehension di Python

Ottimizzazione dei trasporti

# Definisci le variabili decisionali
customers = ['East','South','Midwest','West']
warehouse = ['New York','Atlanta']
transport = LpVariable.dicts("route", [(w,c) for w in warehouse for c in customers],
                              lowBound=0, cat='Integer')

# Definisci l'obiettivo
model += lpSum([cost[(w,c)]*transport[(w,c)] for w in warehouse for c in customers])

Riepilogo

Creare molte variabili LP per problemi complessi
LpVariable.dicts()
Usata con le list comprehension

Ora tocca a te

Analytics per la supply chain con Python