开始使用免费开始使用

案例研究中的决策变量

继续汽车制造商的容量规划选址（Capacitated Plant Location）模型案例研究。您获得了 4 个 Pandas 数据框：demand、var_cost、fix_cost 和 cap，分别包含各地区需求量（千辆）、可变生产成本（千美元）、固定生产成本（千美元）以及生产能力（千辆）。所有这些变量都已打印到控制台，便于您查看。

本练习是课程的一部分

Python 供应链分析

查看课程

练习说明

  • 初始化该类。
  • 使用 LpVariable.dicts 和 Python 的列表推导式来定义决策变量。

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 Class
model = LpProblem("Capacitated Plant Location Model", ____)

# Define Decision Variables
loc = ['USA', 'Germany', 'Japan', 'Brazil', 'India']
size = ['Low_Cap','High_Cap']
x = LpVariable.dicts("production_",
                     [(i,j) for ____ in ____ for ____ in ____],
                     lowBound=____, upBound=____, cat=_____)
y = LpVariable.dicts("plant_", 
                     [____ for ____ in ____ for ____ in ____], cat=____)
编辑并运行代码