您好，我正在使用lpSolveAPI在R中运行线性编程，这几乎是我第一次尝试这样做。我制作了一个关于使消费者剩余最大化的模型的简单版本，变量设置为9个价格。但是，我真的不知道如何解决价格与需求之间的内生性问题。
为此，我假设使用简单的需求函数q_(h,i)=A_(h,i)*P_h^e, price P_h of each hour is different。遵循该需求函数，消费者的剩余变化将为∆CS_(h,i)=A_(h,i)/(e+1)(P^(e+1)-P'^(e+1))，目标fc为max ∆CS_(h,i)
然后添加约束。公司对消费者强加了9个价格，但其保证金率受到限制。 marginrate=(sum(demand)*price-totalcost)/totalcost。而且此保证金率受消费者需求的内生影响。
每个时间段的需求数据列在AA〜II数据中。
lprec<-make.lp(0,9)
set.objfn(lprec,
obj=1300-c(sum(AA$demand),sum(BB$demand),...sum(II$demand)),
indices=c(1,2,3,4,5,6,7,8,9))
add.constraint(lprec,xt=c(sum(AA$demand),...,sum(II$demand)),"=", marginrate*totalcost+totalcost,indices=c(1,2,3,4,5,6,7,8,9))
以及其他限制。在这里，首先，我想添加约束条件，使该模型可以反映价格变化引起的需求变化。但是我无法想象如何将AA〜II $需求设置为价格，这些价格是选择的变量q_(h,i)=A_(h,i)*P_h^e。
接下来的另一个问题是总成本。总成本不仅受到需求内生价值的影响，还受到依赖于消费者总需求的成本函数的影响。
我不确定我的问题可以传达给您。 我的关键问题是如何解决lp模型中的内生性问题。我是lp模型的第一人，很容易理解由学者价值构成的lp模型（例如，具有不变成本的利润最大化），但是将数据的矢量形式处理到lp模型中并不容易。
谢谢您的帮助！