Funkcja słownikowa LpVariable

Analityka łańcucha dostaw w Pythonie

Aaren Stubberfield

Supply Chain Analytics Mgr.

Od prostych do złożonych problemów

Złożony przykład piekarni

# 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')

# Define Objective Function
var_dict = {"A":A, "B":B, "C":C, "D":D, "E":E, "F":F}

# Define Objective Function
model += lpSum([profit_by_cake[type] * var_dict[type] for type in cake_types])

Użycie LpVariable.dicts()

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

name = Prefiks nazwy każdej tworzonej zmiennej LP
indexs = Lista kluczy słownika zmiennych LP
lowBound = Dolne ograniczenie
upBound = Górne ograniczenie
cat = Typ zmiennej
- Integer
- Binary
- Continuous (domyślnie)

LpVariable.dicts() z list comprehension

LpVariable.dicts() często stosuje się ze składnią list comprehension w Pythonie

Optymalizacja transportu

# Define Decision Variables
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')

# Define Objective
model += lpSum([cost[(w,c)]*transport[(w,c)] for w in warehouse for c in customers])

Podsumowanie

Tworzenie wielu zmiennych LP w złożonych problemach
LpVariable.dicts()
Stosowane z list comprehension

Czas na ćwiczenia

Analityka łańcucha dostaw w Pythonie