开始使用免费开始使用

案例研究练习的约束条件

继续汽车制造商的容量受限工厂选址（Capacitated Plant Location）模型案例研究。已为您提供 4 个 Pandas 数据框 demand、var_cost、fix_cost 和 cap，分别包含各区域需求量（千辆）、单位变动生产成本（千美元）、固定生产成本（千美元）以及生产产能（千辆）。另外还创建了两个 Python 列表 loc 和 size，分别表示不同地区位置和两种工厂产能类型。以上变量都已打印到控制台供您查看。用于初始化决策变量、定义它们并创建目标函数的代码已为您完成。

本练习是课程的一部分

Python 供应链分析

查看课程

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, 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']
编辑并运行代码