เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การจัดการหลายองค์ประกอบ

เกษตรกรต้องการนำฟังก์ชันการปรับค่าให้เหมาะสมก่อนหน้านี้มาใช้กับมื้ออาหารที่ซับซ้อนขึ้นสำหรับสัตว์อื่น ๆ ในฟาร์ม

โค้ดก่อนหน้านี้ได้เตรียมไว้ให้แล้ว ปรับโค้ดดังกล่าวให้รองรับหลายตัวแปรได้ดียิ่งขึ้น

pulp ถูก import ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การหาค่าที่เหมาะสมที่สุดใน Python เบื้องต้น

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ปรับการกำหนดตัวแปรให้ใช้ LpVariable.dicts() โดยบันทึกไว้เป็น variables ด้วยชื่อ "Food"
  • ปรับฟังก์ชันวัตถุประสงค์ให้ใช้ lpSum()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

model = LpProblem("MinCost", LpMinimize) 

# Adjust the variable definition
C = LpVariable("C", lowBound=0)
S = LpVariable("S", lowBound=0) 

# Adjust the objective function
cost = {'C': 0.11, 'S': 0.28}
model += 0.28*S + 0.11*C

model += 40*variables['S'] + 10*variables['C'] >= 17*(variables['C']+variables['S']), "M_protein"
model += variables['S'] + 2.5*variables['C'] >= 2*(variables['C']+variables['S']), "M_fat"
model += variables['C'] + variables['S'] >= 7, "M_weight"

model.solve()
print(f"Cost = {value(model.objective):.2f}")
print(f"Pounds of soybean = {variables['S'].varValue:.2f}, pounds of corn = {variables['C'].varValue:.2f}") 
แก้ไขและรันโค้ด