लॉजिकल कंस्ट्रेंट अभ्यास
आपके कस्टमर ने अगले महीने में डिलीवरी के लिए छह प्रोडक्ट्स ऑर्डर किए हैं। सभी प्रोडक्ट्स पहुँचाने के लिए आपको कई ट्रक-लोड शिप करने होंगे। आपके ट्रक्स पर 25,000 lbs का वज़न सीमा है। कैश फ्लो कारणों से, आप ऐसा सबसे लाभदायक कॉम्बिनेशन शिप करना चाहते हैं जो आपके ट्रक में फिट हो सके।
| Product | Weight (lbs) | Profitability ($US) |
|---|---|---|
| A | 12,583 | 102,564 |
| B | 9,204 | 130,043 |
| C | 12,611 | 127,648 |
| D | 12,131 | 155,058 |
| E | 12,889 | 238,846 |
| F | 11,529 | 197,030 |
दो Python डिक्शनरीज़ weight और prof, और एक लिस्ट prod आपके लिए बनाई गई हैं, जिनमें प्रत्येक प्रोडक्ट का वज़न, लाभप्रदता, और नाम है। आप इन्हें कंसोल में एक्सप्लोर कर सकते हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में सप्लाई चेन एनालिटिक्स
अभ्यास निर्देश
- एक कंस्ट्रेंट जोड़ें ताकि ट्रक का कुल वज़न 25,000 lbs से कम या बराबर रहे।
- एक कंस्ट्रेंट जोड़ें ताकि मॉडल D, E, और F में से अधिकतम सिर्फ एक प्रोडक्ट ही चुने।
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Initialized model, defined decision variables and objective
model = LpProblem("Loading Truck Problem", LpMaximize)
x = LpVariable.dicts('ship_', prod, cat='Binary')
model += lpSum([prof[i] * x[i] for i in prod])
# Define Constraint
model += lpSum([weight[i] * x[i] for i in prod]) ____ ____
model += ____
model.solve()
for i in prod:
print("{} status {}".format(i, x[i].varValue))