Účelová funkce případové studie
Pokračuj v případové studii modelu Capacitated Plant Location pro automobilového výrobce. Máš k dispozici čtyři datové rámce demand, var_cost, fix_cost a cap obsahující regionální poptávku (v tisících vozů), variabilní náklady na výrobu (v tis. USD), fixní náklady na výrobu (v tis. USD) a výrobní kapacitu (v tisících vozů). Byly také vytvořeny dva pythonové seznamy loc a size, které obsahují různé lokace a dva typy výrobních kapacit. Všechny tyto proměnné jsou vypsány v konzoli pro přehled. Kód pro inicializaci a definici rozhodovacích proměnných je již připraven.
Toto cvičení je součástí kurzu
Supply Chain Analytics v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Initialize, and Define Decision Vars.
model = LpProblem("Capacitated Plant Location Model", LpMinimize)
loc = ['USA', 'Germany', 'Japan', 'Brazil', 'India']
size = ['Low_Cap','High_Cap']
x = LpVariable.dicts("production_", [(i,j) for i in loc for j in loc],
lowBound=0, upBound=None, cat='Continuous')
y = LpVariable.dicts("plant_",
[(i,s) for s in size for i in loc], cat='Binary')
# Define objective function
model += (lpSum([fix_cost.loc[____,____] * ____[(____,____)]
for s in ____ for i in ____])
)