PULP优化解决方案未定义

Question

我正在尝试使用python纸浆优化以下问题

import pulp
# Instantiate our problem class
model = pulp.LpProblem("Cost minimising problem", pulp.LpMinimize)

W = pulp.LpVariable('W', cat='Integer')
X = pulp.LpVariable('X', cat='Integer')
Y = pulp.LpVariable('Y', cat='Integer')
Z = pulp.LpVariable('Z', cat='Integer')

# Objective function
model += 1.33 * W + 1.76 * X + 1.46 * Y + 0.79 * Z,"Cost"

# Constraints
model += W + X + Y + Z == 1

 model += W >= 0.1
 model += W <= 0.75

 model += X >= 0.1
 model += X <= 0.85

 model += Y >= 0.1
 model += Y <= 0.65

 model += Z >= 0.1
 model += Z <= 0.40


# Solve our problem
model.solve()
pulp.LpStatus[model.status]

'Undefined'

结果证明是不确定的。我是在表达问题时犯了错误还是错过了某些东西？

Answer 1

当我执行相同的代码时，得到的结果是“不可行”。

这很有意义，因为您的变量W, X, Y, Z都必须是整数，但随后将它们限制为大于0.1，并且小于另一个小于1的数字。

0.1到0.XX之间没有整数，因此没有可行的解决方案。