欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python數(shù)學(xué)建模PuLP庫線性規(guī)劃實際案例編程詳解

 更新時間:2021年10月18日 16:04:32   作者:youcans  
本節(jié)以一個實際數(shù)學(xué)建模案例,來為大家講解PuLP求解線性規(guī)劃問題的建模與編程。來鞏固加深大家對Python數(shù)學(xué)建模PuLP庫線性規(guī)劃的運用理解

1、問題描述

某廠生產(chǎn)甲乙兩種飲料,每百箱甲飲料需用原料6千克、工人10名,獲利10萬元;每百箱乙飲料需用原料5千克、工人20名,獲利9萬元。
今工廠共有原料60千克、工人150名,又由于其他條件所限甲飲料產(chǎn)量不超過8百箱。
?。?)問如何安排生產(chǎn)計劃,即兩種飲料各生產(chǎn)多少使獲利最大?
 (2)若投資0.8萬元可增加原料1千克,是否應(yīng)作這項投資?投資多少合理?
?。?)若每百箱甲飲料獲利可增加1萬元,是否應(yīng)否改變生產(chǎn)計劃?
 (4)若每百箱甲飲料獲利可增加1萬元,若投資0.8萬元可增加原料1千克,是否應(yīng)作這項投資?投資多少合理?
?。?)若不允許散箱(按整百箱生產(chǎn)),如何安排生產(chǎn)計劃,即兩種飲料各生產(chǎn)多少使獲利最大?

2、用PuLP 庫求解線性規(guī)劃

2.1 問題 1

(1)數(shù)學(xué)建模

問題建模:
  決策變量:
    x1:甲飲料產(chǎn)量(單位:百箱)
    x2:乙飲料產(chǎn)量(單位:百箱)
  目標函數(shù):
    max fx = 10*x1 + 9*x2
  約束條件:
    6*x1 + 5*x2 <= 60
    10*x1 + 20*x2 <= 150
  取值范圍:
    給定條件:x1, x2 >= 0,x1 <= 8
    推導(dǎo)條件:由 x1,x2>=0 和 10*x1+20*x2<=150 可知:0<=x1<=15;0<=x2<=7.5
    因此,0 <= x1<=8,0 <= x2<=7.5

(2)Python 編程

	import pulp      # 導(dǎo)入 pulp庫
    ProbLP1 = pulp.LpProblem("ProbLP1", sense=pulp.LpMaximize)    # 定義問題 1,求最大值
    x1 = pulp.LpVariable('x1', lowBound=0, upBound=8, cat='Continuous')  # 定義 x1
    x2 = pulp.LpVariable('x2', lowBound=0, upBound=7.5, cat='Continuous')  # 定義 x2
    ProbLP1 += (10*x1 + 9*x2)  # 設(shè)置目標函數(shù) f(x)
    ProbLP1 += (6*x1 + 5*x2 <= 60)  # 不等式約束
    ProbLP1 += (10*x1 + 20*x2 <= 150)  # 不等式約束
    ProbLP1.solve()
    print(ProbLP1.name)  # 輸出求解狀態(tài)
    print("Status:", pulp.LpStatus[ProbLP1.status])  # 輸出求解狀態(tài)
    for v in ProbLP1.variables():
        print(v.name, "=", v.varValue)  # 輸出每個變量的最優(yōu)值
    print("F1(x)=", pulp.value(ProbLP1.objective))  # 輸出最優(yōu)解的目標函數(shù)值
    # = 關(guān)注 Youcans,分享原創(chuàng)系列 https://blog.csdn.net/youcans =

(3)運行結(jié)果

ProbLP1
x1=6.4285714
x2=4.2857143
F1(X)=102.8571427

2.2 問題 2

(1)數(shù)學(xué)建模

問題建模:
  決策變量:
    x1:甲飲料產(chǎn)量(單位:百箱)
    x2:乙飲料產(chǎn)量(單位:百箱)
    x3:增加投資(單位:萬元)
  目標函數(shù):
    max fx = 10*x1 + 9*x2 - x3
  約束條件:
    6*x1 + 5*x2 <= 60 + x3/0.8
    10*x1 + 20*x2 <= 150
  取值范圍:
    給定條件:x1, x2 >= 0,x1 <= 8
    推導(dǎo)條件:由 x1,x2>=0 和 10*x1+20*x2<=150 可知:0<=x1<=15;0<=x2<=7.5
    因此,0 <= x1<=8,0 <= x2<=7.5

(2)Python 編程

	import pulp      # 導(dǎo)入 pulp庫
    ProbLP2 = pulp.LpProblem("ProbLP2", sense=pulp.LpMaximize)    # 定義問題 2,求最大值
    x1 = pulp.LpVariable('x1', lowBound=0, upBound=8, cat='Continuous')  # 定義 x1
    x2 = pulp.LpVariable('x2', lowBound=0, upBound=7.5, cat='Continuous')  # 定義 x2
    x3 = pulp.LpVariable('x3', cat='Continuous')  # 定義 x3
    ProbLP2 += (10*x1 + 9*x2 - x3)  # 設(shè)置目標函數(shù) f(x)
    ProbLP2 += (6*x1 + 5*x2 - 1.25*x3 <= 60)  # 不等式約束
    ProbLP2 += (10*x1 + 20*x2 <= 150)  # 不等式約束
    ProbLP2.solve()
    print(ProbLP2.name)  # 輸出求解狀態(tài)
    print("Status:", pulp.LpStatus[ProbLP2.status])  # 輸出求解狀態(tài)
    for v in ProbLP2.variables():
        print(v.name, "=", v.varValue)  # 輸出每個變量的最優(yōu)值
    print("F2(x)=", pulp.value(ProbLP2.objective))  # 輸出最優(yōu)解的目標函數(shù)值

(3)運行結(jié)果

ProbLP2
x1=8.0
x2=3.5
x3=4.4
F2(X)=107.1

2.3 問題 3

(1)數(shù)學(xué)建模

問題建模:
  決策變量:
    x1:甲飲料產(chǎn)量(單位:百箱)
    x2:乙飲料產(chǎn)量(單位:百箱)
  目標函數(shù):
    max fx = 11*x1 + 9*x2
  約束條件:
    6*x1 + 5*x2 <= 60
    10*x1 + 20*x2 <= 150
  取值范圍:
    給定條件:x1, x2 >= 0,x1 <= 8
    推導(dǎo)條件:由 x1,x2>=0 和 10*x1+20*x2<=150 可知:0<=x1<=15;0<=x2<=7.5
    因此,0 <= x1<=8,0 <= x2<=7.5

(2)Python 編程

	import pulp      # 導(dǎo)入 pulp庫
    ProbLP3 = pulp.LpProblem("ProbLP3", sense=pulp.LpMaximize)  # 定義問題 3,求最大值
    x1 = pulp.LpVariable('x1', lowBound=0, upBound=8, cat='Continuous')  # 定義 x1
    x2 = pulp.LpVariable('x2', lowBound=0, upBound=7.5, cat='Continuous')  # 定義 x2
    ProbLP3 += (11 * x1 + 9 * x2)  # 設(shè)置目標函數(shù) f(x)
    ProbLP3 += (6 * x1 + 5 * x2 <= 60)  # 不等式約束
    ProbLP3 += (10 * x1 + 20 * x2 <= 150)  # 不等式約束
    ProbLP3.solve()
    print(ProbLP3.name)  # 輸出求解狀態(tài)
    print("Status:", pulp.LpStatus[ProbLP3.status])  # 輸出求解狀態(tài)
    for v in ProbLP3.variables():
        print(v.name, "=", v.varValue)  # 輸出每個變量的最優(yōu)值
    print("F3(x) =", pulp.value(ProbLP3.objective))  # 輸出最優(yōu)解的目標函數(shù)值

(3)運行結(jié)果

ProbLP3
x1=8.0
x2=2.4
F3(X) = 109.6

2.4 問題 4

(1)數(shù)學(xué)建模

問題建模:
  決策變量:
    x1:甲飲料產(chǎn)量(單位:百箱)
    x2:乙飲料產(chǎn)量(單位:百箱)
    x3:增加投資(單位:萬元)
  目標函數(shù):
    max fx = 11*x1 + 9*x2 - x3
  約束條件:
    6*x1 + 5*x2 <= 60 + x3/0.8
    10*x1 + 20*x2 <= 150
  取值范圍:
    給定條件:x1, x2 >= 0,x1 <= 8
    推導(dǎo)條件:由 x1,x2>=0 和 10*x1+20*x2<=150 可知:0<=x1<=15;0<=x2<=7.5
    因此,0 <= x1<=8,0 <= x2<=7.5

(2)Python 編程

	import pulp      # 導(dǎo)入 pulp庫    ProbLP4 = pulp.LpProblem("ProbLP4", sense=pulp.LpMaximize)  # 定義問題 2,求最大值
    x1 = pulp.LpVariable('x1', lowBound=0, upBound=8, cat='Continuous')  # 定義 x1
    x2 = pulp.LpVariable('x2', lowBound=0, upBound=7.5, cat='Continuous')  # 定義 x2
    x3 = pulp.LpVariable('x3', cat='Continuous')  # 定義 x3
    ProbLP4 += (11 * x1 + 9 * x2 - x3)  # 設(shè)置目標函數(shù) f(x)
    ProbLP4 += (6 * x1 + 5 * x2 - 1.25 * x3 <= 60)  # 不等式約束
    ProbLP4 += (10 * x1 + 20 * x2 <= 150)  # 不等式約束
    ProbLP4.solve()
    print(ProbLP4.name)  # 輸出求解狀態(tài)
    print("Status:", pulp.LpStatus[ProbLP4.status])  # 輸出求解狀態(tài)
    for v in ProbLP4.variables():
        print(v.name, "=", v.varValue)  # 輸出每個變量的最優(yōu)值
    print("F4(x) = ", pulp.value(ProbLP4.objective))  # 輸出最優(yōu)解的目標函數(shù)值
    # = 關(guān)注 Youcans,分享原創(chuàng)系列 https://blog.csdn.net/youcans =

(3)運行結(jié)果

ProbLP4
x1=8.0
x2=3.5
x3=4.4
F4(X) = 115.1

2.5 問題 5:整數(shù)規(guī)劃問題

(1)數(shù)學(xué)建模

問題建模:
  決策變量:
    x1:甲飲料產(chǎn)量,正整數(shù)(單位:百箱)
    x2:乙飲料產(chǎn)量,正整數(shù)(單位:百箱)
  目標函數(shù):
    max fx = 10*x1 + 9*x2
  約束條件:
    6*x1 + 5*x2 <= 60
    10*x1 + 20*x2 <= 150
  取值范圍:
    給定條件:x1, x2 >= 0,x1 <= 8,x1, x2 為整數(shù)
    推導(dǎo)條件:由 x1,x2>=0 和 10*x1+20*x2<=150 可知:0<=x1<=15;0<=x2<=7.5
    因此,0 <= x1<=8,0 <= x2<=7

說明:本題中要求飲料車輛為整百箱,即決策變量 x1,x2 為整數(shù),因此是整數(shù)規(guī)劃問題。PuLP提供了整數(shù)規(guī)劃的

(2)Python 編程

	import pulp      # 導(dǎo)入 pulp庫
    ProbLP5 = pulp.LpProblem("ProbLP5", sense=pulp.LpMaximize)  # 定義問題 1,求最大值
    x1 = pulp.LpVariable('x1', lowBound=0, upBound=8, cat='Integer')  # 定義 x1,變量類型:整數(shù)
    x2 = pulp.LpVariable('x2', lowBound=0, upBound=7.5, cat='Integer')  # 定義 x2,變量類型:整數(shù)
    ProbLP5 += (10 * x1 + 9 * x2)  # 設(shè)置目標函數(shù) f(x)
    ProbLP5 += (6 * x1 + 5 * x2 <= 60)  # 不等式約束
    ProbLP5 += (10 * x1 + 20 * x2 <= 150)  # 不等式約束
    ProbLP5.solve()
    print(ProbLP5.name)  # 輸出求解狀態(tài)
    print("Status:", pulp.LpStatus[ProbLP5.status])  # 輸出求解狀態(tài)
    for v in ProbLP5.variables():
        print(v.name, "=", v.varValue)  # 輸出每個變量的最優(yōu)值
    print("F5(x) =", pulp.value(ProbLP5.objective))  # 輸出最優(yōu)解的目標函數(shù)值

(3)運行結(jié)果

ProbLP5
x1=8.0
x2=2.0
F5(X) = 98.0

以上就是Python數(shù)學(xué)建模PuLP庫線性規(guī)劃實際案例編程詳解的詳細內(nèi)容,更多關(guān)于PuLP庫線性規(guī)劃實際編程案例的資料請關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • Python搭建代理IP池實現(xiàn)存儲IP的方法

    Python搭建代理IP池實現(xiàn)存儲IP的方法

    這篇文章主要介紹了Python搭建代理IP池實現(xiàn)存儲IP的方法,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2019-10-10
  • 神經(jīng)網(wǎng)絡(luò)相關(guān)之基礎(chǔ)概念的講解

    神經(jīng)網(wǎng)絡(luò)相關(guān)之基礎(chǔ)概念的講解

    今天小編就為大家分享一篇關(guān)于神經(jīng)網(wǎng)絡(luò)相關(guān)之基礎(chǔ)概念的講解,小編覺得內(nèi)容挺不錯的,現(xiàn)在分享給大家,具有很好的參考價值,需要的朋友一起跟隨小編來看看吧
    2018-12-12
  • PyQt5實現(xiàn)簡易計算器

    PyQt5實現(xiàn)簡易計算器

    這篇文章主要為大家詳細介紹了用PyQt5開發(fā)一個簡易的計算器,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2019-03-03
  • python3實現(xiàn)短網(wǎng)址和數(shù)字相互轉(zhuǎn)換的方法

    python3實現(xiàn)短網(wǎng)址和數(shù)字相互轉(zhuǎn)換的方法

    這篇文章主要介紹了python3實現(xiàn)短網(wǎng)址和數(shù)字相互轉(zhuǎn)換的方法,涉及Python操作字符串的相關(guān)技巧,非常具有實用價值,需要的朋友可以參考下
    2015-04-04
  • Python unittest單元測試框架及斷言方法

    Python unittest單元測試框架及斷言方法

    這篇文章主要介紹了Python unittest單元測試框架及斷言方法,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2020-04-04
  • 基于Python+tkinter實現(xiàn)簡易計算器桌面軟件

    基于Python+tkinter實現(xiàn)簡易計算器桌面軟件

    tkinter是Python的標準GUI庫,對于初學(xué)者來說,它非常友好,因為它提供了大量的預(yù)制部件,本文小編就來帶大家詳細一下如何利用tkinter制作一個簡易計算器吧
    2023-09-09
  • Python爬蟲谷歌Chrome F12抓包過程原理解析

    Python爬蟲谷歌Chrome F12抓包過程原理解析

    這篇文章主要介紹了Python爬蟲谷歌Chrome F12抓包過程原理解析,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2020-06-06
  • python中Requests請求的安裝與常見用法

    python中Requests請求的安裝與常見用法

    Requests是一常用的http請求庫,它使用python語言編寫,可以方便地發(fā)送http請求,以及方便地處理響應(yīng)結(jié)果,下面這篇文章主要給大家介紹了關(guān)于python中Requests請求的安裝與常見用法的相關(guān)資料,需要的朋友可以參考下
    2022-07-07
  • python3 cvs將數(shù)據(jù)讀取為字典的方法

    python3 cvs將數(shù)據(jù)讀取為字典的方法

    今天小編就為大家分享一篇python3 cvs將數(shù)據(jù)讀取為字典的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-12-12
  • Python實現(xiàn)word2Vec model過程解析

    Python實現(xiàn)word2Vec model過程解析

    這篇文章主要介紹了Python實現(xiàn)word2Vec model過程解析,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2019-12-12

最新評論