始める無料で始める

ケーススタディ演習の制約

自動車メーカーの Capacitated Plant Location モデルのケーススタディを続けます。地域需要（千台）、変動生産コスト（千USドル）、固定生産コスト（千USドル）、および生産能力（千台）を含む4つのPandasデータフレーム demand、var_cost、fix_cost、cap が与えられています。さらに、候補ロケーションを表す Python のリスト loc と、2種類の工場規模を表すリスト size も用意されています。これらの変数はすべて確認のためにコンソールに出力済みです。意思決定変数の初期化・定義と目的関数の作成コードはすでに用意されています。

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, Define Decision Vars., and Objective Function
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')
model += (lpSum([fix_cost.loc[i,s] * y[(i,s)] for s in size for i in loc])
          + lpSum([var_cost.loc[i,j] * x[(i,j)] for i in loc for j in loc]))

# Define the constraints
for j in loc:
    model += lpSum([____ for i in ____]) ____ demand.loc[____,'Dmd']
コードを編集して実行