НачатьНачать бесплатно

Ограничения для упражнения по кейсу

Продолжите работу с кейсом модели размещения производственных мощностей для автомобильного предприятия. Вам даны четыре таблицы Pandas: demand, var_cost, fix_cost и cap, содержащие региональный спрос (тыс. автомобилей), переменные производственные затраты (тыс. долл. США), постоянные производственные затраты (тыс. долл. США) и производственную мощность (тыс. автомобилей). Также созданы два списка Python: loc и size, содержащие возможные места размещения и два типа производственных мощностей. Все эти переменные выведены в консоль для ознакомления. Код для инициализации переменных решения, их определения и создания целевой функции уже написан.

Это упражнение является частью курса

Аналитика цепочек поставок на Python

Посмотреть курс

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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']
Редактировать и запускать код