CommencerCommencez gratuitement

Variables de décision de l’étude de cas

Poursuivez l’étude de cas du modèle de localisation d’usines capacitaire pour un constructeur automobile. Quatre DataFrames Pandas vous sont fournis : demand, var_cost, fix_cost et cap, qui contiennent respectivement la demande régionale (milliers de voitures), les coûts variables de production (milliers de $US), les coûts fixes de production (milliers de $US) et la capacité de production (milliers de voitures). Toutes ces variables ont été affichées dans la console pour que vous puissiez les consulter.

Cet exercice fait partie du cours

<cours>Analyse de la chaîne d’approvisionnement en Python</cours>
Voir le cours

Instructions de l’exercice

  • Initialisez la classe.
  • Définissez les variables de décision à l’aide de LpVariable.dicts et des compréhensions 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