Adăugarea unei restricții logice în exercițiul de studiu de caz
Continuă studiul de caz al modelului de localizare a uzinelor cu capacitate limitată (Capacitated Plant Location) pentru un producător auto. Ai la dispoziție patru DataFrame-uri Pandas — demand, var_cost, fix_cost și cap — care conțin cererea regională (mii de mașini), costurile variabile de producție (mii USD), costurile fixe de producție (mii USD) și capacitatea de producție (mii de mașini). Două liste Python — loc și size — au fost, de asemenea, create, conținând locațiile disponibile și cele două tipuri de capacitate ale uzinelor. Toate aceste variabile au fost afișate în consolă pentru referință. Codul de inițializare, definire a variabilelor de decizie, creare a funcției obiectiv și a restricțiilor a fost completat deja.
Acest exercițiu face parte din cursul
Analitică în lanțul de aprovizionare cu Python
Instrucțiuni pentru exercițiu
- Adaugă o restricție logică astfel încât, dacă uzina cu capacitate mare din SUA este deschisă, atunci o uzină cu capacitate mică din Germania să fie deschisă și ea.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Initialize, Define Decision Vars., Object. Fun., and Constraints
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='Integer')
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]))
for j in loc:
model += lpSum([x[(i, j)] for i in loc]) == demand.loc[j,'Dmd']
for i in loc:
model += lpSum([x[(i, j)] for j in loc]) <= lpSum([cap.loc[i,s]*y[(i,s)]
for s in size])
# Define logical constraint
model += ____ - ____ <= ____