- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
仅在 Python 中,并使用来自 Pandas 数据框的数据,我如何使用 PuLP以与在 Excel 中相同的方式解决线性规划问题?应在新预算列下为每个 channel 分配多少预算,以便我们最大化估计成功的总数?我真的在寻找一个使用数据框数据的具体示例,而不是真正的高级建议。
问题数据设置
Channel 30-day Cost Trials Success Cost Min Cost Max New Budget
0 Channel1 1765.21 9865 812 882.61 2647.82 0
1 Channel2 2700.00 15000 900 1350.00 4050.00 0
2 Channel3 2160.00 12000 333 1080.00 3240.00 0
这是一个最大化问题。
目标函数是:
objective_function = sum((df['New Budget']/(df['30-day Cost']/df['Trials']))*(df['Success']/df['Trials']))
约束是:
df['New Budget']
的总和必须等于 5000
新预算
不能低于 Cost Min
新预算
不能高于Cost Max
关于如何使用 PuLP 或任何其他求解器方法转换此 pandas 数据帧求解器线性问题的任何想法?最终结果将是您在下图中看到的。
最佳答案
通常,您会创建一个变量字典(本例中为 x
)和一个模型变量(本例中为 mod
)。要创建您使用的目标 sum
在变量上乘以一些标量,将该结果添加到 mod
.您通过使用 >=
再次计算变量的线性组合来构造约束, <=
, 或 ==
,并将该约束添加到 mod
.最后你使用 mod.solve()
获得解决方案。
import pulp
# Create variables and model
x = pulp.LpVariable.dicts("x", df.index, lowBound=0)
mod = pulp.LpProblem("Budget", pulp.LpMaximize)
# Objective function
objvals = {idx: (1.0/(df['30-day Cost'][idx]/df['Trials'][idx]))*(df['Success'][idx]/float(df['Trials'][idx])) for idx in df.index}
mod += sum([x[idx]*objvals[idx] for idx in df.index])
# Lower and upper bounds:
for idx in df.index:
mod += x[idx] >= df['Cost Min'][idx]
mod += x[idx] <= df['Cost Max'][idx]
# Budget sum
mod += sum([x[idx] for idx in df.index]) == 5000.0
# Solve model
mod.solve()
# Output solution
for idx in df.index:
print idx, x[idx].value()
# 0 2570.0
# 1 1350.0
# 2 1080.0
print 'Objective', pulp.value(mod.objective)
# Objective 1798.70495012
数据:
import numpy as np
import pandas as pd
idx = [0, 1, 2]
d = {'channel': pd.Series(['Channel1', 'Channel2', 'Channel3'], index=idx),
'30-day Cost': pd.Series([1765.21, 2700., 2160.], index=idx),
'Trials': pd.Series([9865, 1500, 1200], index=idx),
'Success': pd.Series([812, 900, 333], index=idx),
'Cost Min': pd.Series([882.61, 1350.00, 1080.00], index=idx),
'Cost Max': pd.Series([2647.82, 4050.00, 3240.00], index=idx)}
df = pd.DataFrame(d)
df
# 30-day Cost Cost Max Cost Min Success Trials channel
# 0 1765.21 2647.82 882.61 812 9865 Channel1
# 1 2700.00 4050.00 1350.00 900 1500 Channel2
# 2 2160.00 3240.00 1080.00 333 1200 Channel3
关于python - 线性规划(Simplex LP)PuLP?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33160262/
我想使用 MATLAB 7 解决这个线性规划(单纯形)问题,但它返回 Exiting: the problem is unbounded. 这个功能 f = 2(15 s0 + 8s1 + 2576s
我试图找到可以最大化我的总和值的最佳组合,但它必须在 2 个特定约束下,因此我假设线性规划将是最合适的。 问题是这样的: 一些教育世界盛会希望聚集世界上最聪明的青少年学生。 每个州都对 10 万名学生
我正在尝试使用 Apache commons Math 库对我的问题应用线性编程。我在网上看到一个例子,解决了下面的例子 max. 3X + 5Y s.t. 2X + 8Y = 0, Y >=
我试图弄清楚我的实现有什么问题,我希望结果是 [5, 10],我不明白它是如何得到 [7.5, 7.5],x1应该是x2的一半。 from scipy.optimize import linprog
假设我有一些变量和约束,如下系统所示: 灰线可以拉伸和收缩一定量,由其上的范围给定蓝线只是端点,显示了灰线是如何相互作用的。 我的目标是:我想用线性编程来均匀地最大化灰度线的大小,就像图片中的一样。你
可以使用 MapReduce 在分布式系统上解决简单的线性规划问题吗? 最佳答案 是的,你可以查看hbase-simplex 关于hadoop - MapReduce 线性规划,我们在Stack Ov
我正在做一项关于使用线性规划规划汉诺塔问题的作业,我不允许使用任何递归函数。问题是我的解决方案不像递归方法那样是最优的。它会产生冗余步骤。例如: 我有 3 个杆子,分别命名为 A、B、C,还有 2 个
我刚刚学习了求解线性程序的单纯形方法,我试图了解它的对偶问题代表什么。 我了解解决双重问题的机制 - 我不需要帮助。我无法理解(即使在 Wikipedia 上阅读了它)是 的实际含义。 y 对偶中的变
我正在尝试编写一个线性程序,需要一个等于 x-c 符号的变量 z,其中 x 是另一个变量,c 是一个常量。 我考虑了z = (x-c)/|x-c|。不幸的是,如果 x=c,则会除以 0。 我不能使用
所以,我有一个优化问题,也许可以通过线性规划来解决(使用 PuLP?)。我在这方面的工作经验有限,所以也许另一个解决方案会更好。 问题如下: 有 37 件元素需要购买。每件商品必须以特定数量、特定颜色
我需要用 python 解决线性规划问题,并遇到了 PuLP。然而,我对如何以简单的方式解决具有不同数量输入的问题有一些疑问。 我有以下数组,全部具有相同的尺寸: a = [a0,a1,...,an]
我正在使用 Coin-Or 的 rehearse实现线性规划。 我需要模数约束。示例:x 应为 3 的倍数。 OsiCbcSolverInterface solver; CelModel model(
使用 PuLP 和Python,我试图解决水平衡(类似于经典的运输问题)线性规划问题,其形式为: 最大限度地减少 c'x 的限制: 斧头=b 磅<=x<=ub 其中 A 是 (10x18) 矩阵,c(
我想知道是否有一种很好的方法(最好使用 JuMP)来获得线性程序的所有最优解(以防有多个最优解)。 一个例子 最小化两个概率分布之间的统计距离(Kolmogorov 距离)。 min sum_{i=1
我有工作需要在 14 天内完成。我有5名 worker 。一天正好需要3个 worker 。每个 worker 最多只能工作 9 天。每个 worker 都有自己的日期偏好,每个 worker 每天都
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,以便用事实和引用来回答。 关闭 4 年前。
仅在 Python 中,并使用来自 Pandas 数据框的数据,我如何使用 PuLP以与在 Excel 中相同的方式解决线性规划问题?应在新预算列下为每个 channel 分配多少预算,以便我们最大化
这是我使用 Scipy's NNLS 的 LP 代码: import numpy as np from numpy import array from scipy.optimize import nn
我想在线性程序(或必要时使用 MIP)中编写非重叠约束(即 2 个矩形不重叠)。我知道如何在约束编程中做到这一点: 对于对象 i 和 j: x[i]+dx[i]<=x[j] 或 y[i]+dy[i]<
我是一名优秀的程序员,十分优秀!