使用纸浆的Python中的线性优化

时间:2018-03-09 13:01:13

标签: python optimization mathematical-optimization pulp

所以我有3个数据集如下, 成本数据:

Vcost
Out[325]: 
                            P1        P2        P3        
Vendors\Product List                                                  
V1                    0.204403  0.208178  0.198216  
V2                    0.220126  0.213755  0.198991  
V3                    0.204403  0.191450  0.203258  

风险数据:

Vrisk
Out[326]: 
                            P1        P2        P3       
Vendors\Product List                                                  
V1                    0.198598  0.210145  0.198157  
V2                    0.172897  0.178744  0.193548  
V3                    0.219626  0.200483  0.205069 

决策变量数据:

Vdecision
Out[327]: 
                     P1 P2 P3 
Vendors\Product List               
V1                    a  b  c  
V2                    f  g  h  
V3                    k  l  m

我的目标是最小化0.71 * Cost * x + 0.29 * Risk * x受到行求和的约束和决策变量矩阵的列求和。 所以基本上客观功能将是:

0.71*(0.204*a+0.208*b+0.198*c....+0.203*m) + 0.29*(0.198*a+0.210*b+0.198*c....+0.205*m)

我正在尝试使用PuLP模块并将函数定义为:

prob = LpProblem("Inventory Optimization", LpMinimize)
prob += lpSum([0.71*i*x for i,x in zip(Vcost.values,Vdecision.values) + 0.29*j*x for j,x in zip(Vrisk.values,Vdecision.values)])

但我收到以下错误:

TypeError: can't multiply sequence by non-int of type 'float'

有人可以帮我制定目标函数吗?

0 个答案:

没有答案