ComenzarEmpieza gratis

Función objetivo del estudio de caso

Continúa con el estudio de caso del modelo de Localización de Plantas con Capacidad de un fabricante de coches. Tienes cuatro data frames de Pandas: demand, var_cost, fix_cost y cap, que contienen la demanda regional (miles de coches), los costes variables de producción (miles de $US), los costes fijos de producción (miles de $US) y la capacidad de producción (miles de coches). También se han creado dos listas de Python, loc y size, con las distintas ubicaciones y los dos tipos de capacidad de planta. Todas estas variables se han impreso en la consola para que las revises. El código para inicializar y definir las variables de decisión ya está completado.

Este ejercicio forma parte del curso

Analítica de la cadena de suministro en Python

Ver curso

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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 ____])
          )
Editar y ejecutar código