Python Pulp与矩阵一起使用

Question

我对Python还很陌生，在使用了多年的Matlab之后。我试着用Pulp建立一个整数线性程序。

给定一组数字：

{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

带边界（基于向量的边界）

LB <= x <= UB

但是，在pulp中，我不知道如何正确地进行向量声明。我用的是：

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

我只能输入单个边界（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])

对于约束条件，我真的要每行做一次吗？我好像丢了什么东西。我很感激你的帮助。文档讨论了一个简短的示例。在我的例子中，变量的数目是几千。

Answer 1

可以在初始化后设置变量的下限和上限。 您可以使用

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，而不是它们的下界。

Answer 2

对于第一个问题，你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')