Rozhodovací proměnné případové studie
Pokračuj v případové studii modelu Capacitated Plant Location pro výrobce automobilů. Máš k dispozici čtyři datové rámce Pandas – demand, var_cost, fix_cost a cap – obsahující regionální poptávku (v tis. automobilů), variabilní výrobní náklady (v tis. USD), fixní výrobní náklady (v tis. USD) a výrobní kapacitu (v tis. automobilů). Všechny tyto proměnné jsou vypsány v konzoli.
Toto cvičení je součástí kurzu
Supply Chain Analytics v Pythonu
Pokyny k cvičení
- Inicializuj třídu.
- Definuj rozhodovací proměnné pomocí
LpVariable.dictsa výčtu seznamu (list comprehension) v Pythonu.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Initialize Class
model = LpProblem("Capacitated Plant Location Model", ____)
# Define Decision Variables
loc = ['USA', 'Germany', 'Japan', 'Brazil', 'India']
size = ['Low_Cap','High_Cap']
x = LpVariable.dicts("production_",
[(i,j) for ____ in ____ for ____ in ____],
lowBound=____, upBound=____, cat=_____)
y = LpVariable.dicts("plant_",
[____ for ____ in ____ for ____ in ____], cat=____)