사례 연구 연습: 제약식
자동차 제조사의 Capacitated Plant Location 모델 사례 연구를 계속합니다. 네 개의 Pandas 데이터프레임 demand, var_cost, fix_cost, cap가 제공되며, 각각 지역 수요(천 대), 변동 생산비(천 달러), 고정 생산비(천 달러), 생산능력(천 대)을 담고 있습니다. 또한 두 개의 Python 리스트 loc, size가 생성되어 있으며, 각각 가능한 위치와 두 가지 공장 규모 유형을 포함합니다. 이 변수들은 모두 확인하실 수 있도록 콘솔에 출력되어 있습니다. 의사결정변수를 초기화하고 정의하며, 목적함수를 생성하는 코드는 이미 완성되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 공급망 분석
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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']