- 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/
我是 python 和优化方面的新手。我遇到了一些错误,请帮助我解决它。我尝试在运行 Anaconda 3 的 PyCharm 中运行下面提到的代码 from pulp import * x = Lp
我有以下由 PuLP 生成的 LP 文件: \* copynumber *\ Minimize OBJ: PenaltyTree_48 Subject To _C1: - A_0 + A_3 - ov
我有一个 python PuLP 线性程序,它可以最大限度地降低成本。在没有办法降低成本的退化情况下,我希望它返回固定成本。然而,在没有变量的情况下, PuLP 似乎添加了一个 __dummy 变量,
我是 Pulp 的新手,因此在尝试进行条件约束时遇到了问题。我制作了一个梦幻足球优化器,可以选择 9 名球员的最佳选择,我的求解器目前完全适用于职位限制、工资限制等。 我需要添加的最后一件事是一个约束
我对 PuLP 完全陌生,想知道是否需要优化以下内容: x = pulp.LpVariable.dicts("Volume", range(0, 7), cat='Binary') 只要有一个 0,就
我正在尝试在 puLP (Python) 中求解 MILP,但不断收到以下错误: Traceback (most recent call last): File "main_lp.py", lin
我正在与一位合作者合作开展某个涉及线性规划的优化项目。我们都使用硬币或分支切割求解器来解决这个问题。我使用基于 Python 的 PuLP 包构建 .LP 文件。我不完全确定合作者如何创建他们的 .L
我希望使用 PULP 在 Python 中设置约束检查。假设我有变量 A1,..,Xn 和约束 (AffineExpression) A1X1 + ... + AnXn <= B,其中 A1,..,A
我有一个具有以下值的 Pandas 数据框: Name Age City Points 1 John 24 CHI 35 2 Mary
我正在尝试使用 PuLP 库创建一个程序,当您按下按钮时,它会解决线性问题并输出值。但我无法让它发挥作用。它只是写我的“输入更多值”并且不想解决。也许我对输入值有一些问题,但我不太确定。 这是我的
在 PuLP 的传输优化问题中: from pulp import * Warehouses = ["A","B"] # Creates a dictionary for the number of
在开始一个更大的问题之前,我试图做以下简单的示例优化问题。代码: from pulp import * x = LpVariable("x", 0, 3) y = LpVariable("y", 0,
我正在使用线性规划解决一个特定问题,并试图让自己熟悉 PuLP。我的问题是我的几个约束只包含一些决策变量,我正试图找到一种有效的方法来选择它们。 我的意思是: 我为所有决策变量设置了一个列表。 inv
我正在尝试使用 PuLP 来优化系统,从而最大限度地降低成本。我正在使用多个 If,问题是它总是满足第一个条件。这是我的代码。我希望有人能帮助我,因为我才刚刚开始学习这门语言。 import nump
我正在尝试运行一个优化问题,但我似乎无法解决。我是Python菜鸟。 我有一个包含 8760 个数字 (0 - 1) 的数据框。我需要将该数组中的每一行乘以一个因子,然后对该数组求和。该总和应等于 x
我正在尝试使用 Pulp Solver 将元素包装到卡车中,当元素数量较少(即 <25)时,它工作得很好,但当我将数量增加到 30-32 时,它需要很长时间才能解决。 这是 PuLP 求解器的代码:
我会尽量让我的问题简短。如果您需要任何进一步的信息,请告诉我。 我有一个 MIP,使用 PuLP 包在 Python 中实现。 (大约 100 个变量和约束)问题的数学公式来自一篇研究论文。本文还包括
在 Python PuLP 中,线性规划约束可以转化为弹性子问题。 http://www.coin-or.org/PuLP/pulp.html?highlight=lpsum#elastic-cons
在多年使用 Matlab 之后,我对 Python 还是很陌生。我正在尝试使用 Pulp 来设置整数线性程序。 给定一个数字数组: {P[i]:i=1...N} 我想最大化: sum( x_i P_i
我正在使用 python 作为编程语言并实现将相似长度分组在一起的约束以满足线性规划。引用下图代码 import pulp from itertools import product import p
我是一名优秀的程序员,十分优秀!