手术后设置约束

Question

我正在学习使用纸浆，但不确定是否可以制作自己的模型。

目标是最小化 x + y

但是，要获得x或y，我需要再进行一些操作。例如，要获取x，我需要对向量 T

进行运算

x =Σ|（Tj-Tmean）| ，其中Tmean是向量 Tj 的平均值。 j 是索引。

要获得Tj，我需要另一个摘要。

Tj =Σsi* Wij ，其中 s 是常数向量。 W 是一个变量矩阵，将用 0 或 1 填充。

向量 T 有一个条件，即 Tj ，其中k是常数。

Tmean =ΣTj/ N

y 与 x 类似，但其他变量。

到目前为止，我有这个：

prob  = pulp.LpProblem( "Miminize result", pulp.LpMinimize )
W=pulp.LpVariable.dicts( "W", indexs=(n,n),lowBound=0, upBound=1, cat='Integer') ##I'm guessing it needs to start as a variable
T=pulp.LpVariable.dicts("T",range(n),0,k,cat='Integer')
Tprom=pulp.LpVariable("Tprom")
prob += x+y
for j in range (n):
    prob += T[j]==pulp.lpSum( [ s[i]*W[i][j] for i in range(n) ] )
prob += Tprom==pulp.lpSum(G)/n
prob += x==pulp.lpSum( [ abs(T[i]-Tprom) for i in range(n) ])

我知道在目标之后需要向概率添加约束，我不确定是否可以添加其余操作，以及我写的内容是否正确。

运行在带有abs的行上给出错误： 概率+ = x == pulp.lpSum（[i在范围（n）中的abs（T [i] -Tprom）]） TypeError：abs（）的操作数类型错误：“ LpAffineExpression”。 我不确定该如何解决。