TypeError：列表索引必须是整数或切片，而不是LpVariable

Question

我正在学习python编码，还使用纸浆进行LP优化。 我有一个需要最大化的函数，但看起来python / pulp不会让我的变量浏览列表。

turbiinit_lista = [0,1,2,3]

prob = LpProblem("Vesivoima", LpMaximize)
k = LpVariable("Test", 0, 3, LpInteger)

最大化此功能

prob += (10*turbiinit_lista[k])-50-(350*turbiinit_lista[k])


prob.writeLP("Vesivoima.lp")
prob.solve()

这只是我凌乱代码的简化，但是它使您了解我的问题。

那么有可能浏览列表以获取最佳变量值吗？

Answer 1

欢迎您！正如@Erwin指出的那样，您不能使用决策变量索引到python列表或数组中。

但是，您可以通过pulp库使用MILP从可能的值列表中进行选择。

执行此操作的方法有几种-一种是引入二进制变量列表以指示是否选择了每个选项（变量采用值1）或不选择（变量采用值{{1}） }），并强制其中之一必须为真。

使用这种方法，您的问题将变成下面的问题。请注意，0是二进制决策变量的列表，这些变量跟踪选择了选项列表中的哪个，而choose_vars是连续变量，被约束为所选值。

chosen_value

哪个输出：

from pulp import *
turbiinit_lista = [1.1,2.2,3.3,4.4]
n = len(turbiinit_lista)
N = range(n)

prob = LpProblem("Vesivoima", LpMaximize)
choose_vars = LpVariable.dicts("choose_%s", N, 0, 1, cat="Integer")
choosen_value = LpVariable("choosen")

prob += (10*choosen_value-50-(350*choosen_value))
prob += choosen_value == lpSum([turbiinit_lista[i]*choose_vars[i] for i in N])
prob += lpSum([choose_vars[i] for i in N]) == 1

prob.writeLP("Vesivoima.lp")
prob.solve()

choose_vars_soln = [choose_vars[i].varValue for i in N]
print("choose_vars_soln: " + str(choose_vars_soln))
print("choosen_value: " + str(choosen_value.varValue))