始める無料で始める

ケーススタディの目的関数

自動車メーカーのキャパシティ制約付き工場立地（Capacitated Plant Location）モデルのケーススタディを続けます。4つのPandasデータフレーム demand、var_cost、fix_cost、cap が与えられており、それぞれ地域需要（千台）、変動生産コスト（千米ドル）、固定生産コスト（千米ドル）、生産能力（千台）を表します。さらに、2つのPythonリスト loc と size が用意されており、異なる立地候補と2種類の工場規模を含みます。これらの変数はすべてコンソールに表示済みです。モデルの初期化と意思決定変数の定義までのコードは用意されています。

この演習はコースの一部です

Pythonで学ぶサプライチェーン分析

コースを見る

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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 ____])
          )
コードを編集して実行