Python數(shù)學(xué)建模PuLP庫(kù)線性規(guī)劃實(shí)際案例編程詳解
1、問(wèn)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(wàn)元；每百箱乙飲料需用原料5千克、工人20名，獲利9萬(wàn)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(guò)8百箱。
?。?）問(wèn)如何安排生產(chǎn)計(jì)劃，即兩種飲料各生產(chǎn)多少使獲利最大？
（2）若投資0.8萬(wàn)元可增加原料1千克，是否應(yīng)作這項(xiàng)投資？投資多少合理？
（3）若每百箱甲飲料獲利可增加1萬(wàn)元，是否應(yīng)否改變生產(chǎn)計(jì)劃？
（4）若每百箱甲飲料獲利可增加1萬(wàn)元，若投資0.8萬(wàn)元可增加原料1千克，是否應(yīng)作這項(xiàng)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(jì)劃，即兩種飲料各生產(chǎn)多少使獲利最大？
2、用PuLP 庫(kù)求解線性規(guī)劃
2.1 問(wèn)題 1
（1）數(shù)學(xué)建模
問(wèn)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(biāo)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(kù)
ProbLP1 = pulp.LpProblem("ProbLP1", sense=pulp.LpMaximize) # 定義問(wèn)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(biāo)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(gè)變量的最優(yōu)值
print("F1(x)=", pulp.value(ProbLP1.objective)) # 輸出最優(yōu)解的目標(biāo)函數(shù)值
# = 關(guān)注 Youcans，分享原創(chuàng)系列 https://blog.csdn.net/youcans =
（3）運(yùn)行結(jié)果
ProbLP1 x1=6.4285714 x2=4.2857143 F1(X)=102.8571427
2.2 問(wèn)題 2
（1）數(shù)學(xué)建模
問(wèn)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(wàn)元）
目標(biāo)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(kù)
ProbLP2 = pulp.LpProblem("ProbLP2", sense=pulp.LpMaximize) # 定義問(wèn)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(biāo)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(gè)變量的最優(yōu)值
print("F2(x)=", pulp.value(ProbLP2.objective)) # 輸出最優(yōu)解的目標(biāo)函數(shù)值
（3）運(yùn)行結(jié)果
ProbLP2 x1=8.0 x2=3.5 x3=4.4 F2(X)=107.1
2.3 問(wèn)題 3
（1）數(shù)學(xué)建模
問(wèn)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(biāo)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(kù)
ProbLP3 = pulp.LpProblem("ProbLP3", sense=pulp.LpMaximize) # 定義問(wèn)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(biāo)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(gè)變量的最優(yōu)值
print("F3(x) =", pulp.value(ProbLP3.objective)) # 輸出最優(yōu)解的目標(biāo)函數(shù)值
（3）運(yùn)行結(jié)果
ProbLP3 x1=8.0 x2=2.4 F3(X) = 109.6
2.4 問(wèn)題 4
（1）數(shù)學(xué)建模
問(wèn)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(wàn)元）
目標(biāo)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(kù) ProbLP4 = pulp.LpProblem("ProbLP4", sense=pulp.LpMaximize) # 定義問(wèn)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(biāo)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(gè)變量的最優(yōu)值
print("F4(x) = ", pulp.value(ProbLP4.objective)) # 輸出最優(yōu)解的目標(biāo)函數(shù)值
# = 關(guān)注 Youcans，分享原創(chuàng)系列 https://blog.csdn.net/youcans =
（3）運(yùn)行結(jié)果
ProbLP4 x1=8.0 x2=3.5 x3=4.4 F4(X) = 115.1
2.5 問(wèn)題 5：整數(shù)規(guī)劃問(wèn)題
（1）數(shù)學(xué)建模
問(wèn)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(biāo)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(shuō)明：本題中要求飲料車(chē)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(wèn)題。PuLP提供了整數(shù)規(guī)劃的
（2）Python 編程
import pulp # 導(dǎo)入 pulp庫(kù)
ProbLP5 = pulp.LpProblem("ProbLP5", sense=pulp.LpMaximize) # 定義問(wèn)題 1，求最大值
x1 = pulp.LpVariable('x1', lowBound=0, upBound=8, cat='Integer') # 定義 x1，變量類(lèi)型：整數(shù)
x2 = pulp.LpVariable('x2', lowBound=0, upBound=7.5, cat='Integer') # 定義 x2，變量類(lèi)型：整數(shù)
ProbLP5 += (10 * x1 + 9 * x2) # 設(shè)置目標(biāo)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(gè)變量的最優(yōu)值
print("F5(x) =", pulp.value(ProbLP5.objective)) # 輸出最優(yōu)解的目標(biāo)函數(shù)值
（3）運(yùn)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(kù)線性規(guī)劃實(shí)際案例編程詳解的詳細(xì)內(nèi)容，更多關(guān)于PuLP庫(kù)線性規(guī)劃實(shí)際編程案例的資料請(qǐng)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(shí)現(xiàn)存儲(chǔ)IP的方法
這篇文章主要介紹了Python搭建代理IP池實(shí)現(xiàn)存儲(chǔ)IP的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)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
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(jué)得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來(lái)看看吧2018-12-12
PyQt5實(shí)現(xiàn)簡(jiǎn)易計(jì)算器
這篇文章主要為大家詳細(xì)介紹了用PyQt5開(kāi)發(fā)一個(gè)簡(jiǎn)易的計(jì)算器，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-03-03
python3實(shí)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(shí)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(shí)用價(jià)值,需要的朋友可以參考下2015-04-04
Python unittest單元測(cè)試框架及斷言方法
這篇文章主要介紹了Python unittest單元測(cè)試框架及斷言方法,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-04-04
基于Python+tkinter實(shí)現(xiàn)簡(jiǎn)易計(jì)算器桌面軟件
tkinter是Python的標(biāo)準(zhǔn)GUI庫(kù),對(duì)于初學(xué)者來(lái)說(shuō),它非常友好,因?yàn)樗峁┝舜罅康念A(yù)制部件,本文小編就來(lái)帶大家詳細(xì)一下如何利用tkinter制作一個(gè)簡(jiǎn)易計(jì)算器吧2023-09-09
Python爬蟲(chóng)谷歌Chrome F12抓包過(guò)程原理解析
這篇文章主要介紹了Python爬蟲(chóng)谷歌Chrome F12抓包過(guò)程原理解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-06-06
python中Requests請(qǐng)求的安裝與常見(jiàn)用法
Requests是一常用的http請(qǐng)求庫(kù),它使用python語(yǔ)言編寫(xiě),可以方便地發(fā)送http請(qǐng)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(qǐng)求的安裝與常見(jiàn)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
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(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-12-12
Python實(shí)現(xiàn)word2Vec model過(guò)程解析
這篇文章主要介紹了Python實(shí)現(xiàn)word2Vec model過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-12-12