НачатьНачать бесплатно

Добавление логического ограничения в упражнении по кейсу

Продолжите работу с кейсом по модели размещения мощностей (Capacitated Plant Location) для автопроизводителя. Вам даны четыре таблицы Pandas: demand, var_cost, fix_cost и cap, содержащие региональный спрос (тыс. автомобилей), переменные затраты на производство (тыс. долл. США), постоянные затраты на производство (тыс. долл. США) и производственную мощность (тыс. автомобилей). Также созданы два списка Python: loc и size, содержащие возможные местоположения и два типа мощностей заводов. Все эти переменные выведены в консоль для ознакомления. Код для инициализации модели, определения переменных решения, создания целевой функции и ограничений уже подготовлен.

Это упражнение является частью курса

Аналитика цепочек поставок на Python

Посмотреть курс

Инструкции к упражнению

  • Добавьте логическое ограничение: если завод высокой мощности в США открыт, то завод низкой мощности в Германии тоже должен быть открыт.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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 += ____ - ____ <= ____
Редактировать и запускать код