Python Pulp 与矩阵一起使用

Question

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 )

受约束

A x <= b
A_eq x = b_eq

和边界(基于矢量的边界)

LB <= x <= UB

然而，在 pulp 中，我看不到如何正确地进行矢量声明。我正在使用:

RANGE = range(numpy.size(P))
x = pulp.LpVariable.dicts("x", LB_ind, UB_ind, "Integer")

我只能输入个人界限(所以只有 1 个数字)。

prob = pulp.LpProblem("Test", pulp.LpMaximize)
prob += pulp.lpSum([Prices[i]*Dispatch[i] for i in RANGE])

对于约束，我真的必须每行都执行这一行吗？看来我错过了什么。我会很感激一些帮助。该文档讨论了一个简短的示例。在我的例子中，变量的数量是几千个。

Answer 1

您可以在初始化后设置变量的 lowBound 和 upBound。您可以使用

创建一个变量数组

LB[i] <= x[i] <= UB[i]

使用以下代码。

x = pulp.LpVariable.dicts("x", RANGE,  cat="Integer")
for i in x.viewkeys():
     x[i].lowBound = LB_ind[i]
     x[i].upBound = UB_ind[i]

LpVariable.dict 的第二个参数是决策变量的索引集，而不是它们的下限。