CommencezCommencez gratuitement

Variables de décision de l'étude de cas

Poursuivez l'étude de cas du modèle d'implantation d'usines avec capacité pour un constructeur automobile. On vous fournit quatre cadres de données Pandas demand, var_cost, fix_cost et cap qui contiennent, respectivement, la demande régionale (milliers de voitures), les coûts variables de production (milliers $US), les coûts fixes de production (milliers $US) et la capacité de production (milliers de voitures). Toutes ces variables ont été affichées dans la console pour que vous puissiez les consulter.

Cette activité fait partie du cours

Analytique de la chaîne d'approvisionnement avec Python

Voir le cours

Instructions de l’exercice

  • Initialisez la classe.
  • Définissez les variables de décision à l'aide de LpVariable.dicts et de la compréhension de liste de Python.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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=____)
Modifier et exécuter le code