LoslegenKostenlos starten

Übung zu Schattenpreis und Schlupf Teil 1

Du planst, welche Cupcakes eine Bäckerei herstellen soll. Die Bäckerei kann entweder Folgendes backen:

  • normal großer Cupcake: Gewinn = 5 $
  • ein Jumbo-Cupcake doppelt so groß wie der normale: Gewinn = 10 $

Es gibt zwei Nebenbedingungen zu Ofenstunden (30) und Arbeitsstunden (65). Dieses Szenario wurde in PuLP für dich modelliert und eine Lösung gefunden. Der Modellstatus, die Werte der Entscheidungsvariablen, der Zielfunktionswert (d. h. Gewinn), die Schattenpreise und der Schlupf der Nebenbedingungen wurden in der Shell ausgegeben.

Das Beispielskript ist eine Kopie dieses Codes. Du passt die Nebenbedingungen an, um zu sehen, wie sich die optimale Lösung verändert.

Diese Übung ist Teil des Kurses

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

Interaktive praktische Übung

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

# Define Constraints, Solve, Print Status, Variables, Objective
model = LpProblem("Maximize Bakery Profits", LpMaximize)
R = LpVariable('Regular_production', lowBound=0, cat='Continuous')
J = LpVariable('Jumbo_production', lowBound=0, cat='Continuous')
model += 5 * R + 10 * J, "Profit"

# Adjust the constraint
model += 0.5 * R + 1 * J <= ____
model += 1 * R + 2.5 * J <= 65

# Solve Model, Print Status, Variables, Objective, Shadow and Slack
model.solve()
print("Model Status: {}".format(LpStatus[model.status]))
for v in model.variables():
    print(v.name, "=", v.varValue)
print("Objective = $", value(model.objective))
o = [{'name':name, 'shadow price':c.pi, 'slack': c.slack} 
     for name, c in model.constraints.items()]
print(pd.DataFrame(o))
Code bearbeiten und ausführen