在 milp() 函式中，integrality 參數可確保目標函式中的變數被視為整數（也就是離散變數）。
milp()
在進行最佳化時若省略這個參數，可能會有什麼後果？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
本章介紹最佳化、其核心組成，以及在各產業與領域的廣泛應用。你會看到解決最佳化問題的一種快速而全面的窮舉方法，並取得本課所需概念的數學基礎說明。
本章說明如何用微分學與 SymPy 解無限制與有限制的最佳化問題，並辨識可能的陷阱。也會介紹如何使用 SciPy 以少量程式碼，數值化地解單變數與多變數的無限制最佳化問題。最後將以 SciPy 與 PuLP 求解線性規劃。
本章介紹具有不同限制條件的凸性限制最佳化問題，並探討混合整數線性規劃，也就是至少有一個變數為整數的線性規劃問題。
當前練習
本章將在存在多個不錯解時，尋找全域最佳解。我們會進行敏感度分析，並學習線性化等建模技巧，將非線性問題轉換為可用 SciPy 或 PuLP 輕鬆求解的形式。在應用面，將解決含訓練成本的人力資源配置問題，以及具有相依專案的資本預算規劃問題。
