案例研究的目标函数
继续汽车制造商的有容量限制工厂选址（Capacitated Plant Location）模型案例研究。已为您提供 4 个 Pandas 数据帧 demand、var_cost、fix_cost 和 cap，分别包含各地区需求量（千辆车）、单位生产变动成本（千美元）、固定生产成本（千美元）以及生产能力（千辆车）。另外还创建了两个 Python 列表 loc 和 size，用于存放不同的工厂地点以及两种工厂产能类型。上述变量均已打印到控制台便于您查看。用于初始化并定义决策变量的代码已为您编写完成。
本练习是课程的一部分
Python 供应链分析
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Initialize, and Define Decision Vars.
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')
# Define objective function
model += (lpSum([fix_cost.loc[____,____] * ____[(____,____)]
for s in ____ for i in ____])
)