LoslegenKostenlos starten

Entscheidungsvariablen der Fallstudie

Führe die Fallstudie zum Capacitated-Plant-Location-Modell eines Autoherstellers fort. Du erhältst vier Pandas-DataFrames demand, var_cost, fix_cost und cap mit der regionalen Nachfrage (Tsd. Fahrzeuge), den variablen Produktionskosten (Tsd. $US), den fixen Produktionskosten (Tsd. $US) und der Produktionskapazität (Tsd. Fahrzeuge). Alle diese Variablen wurden zur Ansicht in der Konsole ausgegeben.

Diese Übung ist Teil des Kurses

<Kurs>Supply Chain Analytics mit Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Initialisiere die Klasse.
  • Definiere die Entscheidungsvariablen mit LpVariable.dicts und Pythons List Comprehension.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# 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=____)
Code bearbeiten und ausführen