ПочатиПочніть безкоштовно

Обмеження для вправи з кейс-стаді

Продовжте кейс-стаді з моделі розміщення потужностей (Capacitated Plant Location) для автовиробника. Вам надано чотири датафрейми Pandas: demand, var_cost, fix_cost і cap, які містять регіональний попит (тис. автомобілів), змінні виробничі витрати (тис. $US), фіксовані виробничі витрати (тис. $US) та виробничі потужності (тис. автомобілів). Також створено два списки Python — loc і size, що містять перелік локацій і два типи потужностей заводів. Усі ці змінні виведено в консоль для перегляду. Код для ініціалізації та визначення змінних рішення, а також для створення цільової функції вже підготовлено для вас.

Ця вправа є частиною курсу

Аналітика ланцюга постачань у Python

Переглянути курс

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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']
Редагувати та запускати код