在多年使用 Matlab 之后,我对 Python 还是很陌生。我正在尝试使用 Pulp 来设置整数线性程序。
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
和边界(基于矢量的边界)
LB <= x <= UB
然而,在 pulp 中,我看不到如何正确地进行矢量声明。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,我真的必须每行都执行这一行吗?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。
最佳答案
您可以在初始化后设置变量的 lowBound 和 upBound。 您可以使用
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。
关于Python Pulp 与矩阵一起使用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7728313/