使用矩陣的Python紙漿

Question

經過多年和多年的Matlab，我對Python仍然很陌生。我正在嘗試使用Pulp來設置一個整數線性程序。

鑑於數的數組：

{P[i]:i=1...N} 

我希望最大化：

sum(x_i P_i) 

受約束

A x <= b 
A_eq x = b_eq 

並與邊界（基於矢量邊界）

LB <= x <= UB 

然而，在紙漿中，我沒有看到如何正確地做矢量聲明。我正在使用：

RANGE = range(numpy.size(P)) 
x = pulp.LpVariable.dicts("x", LB_ind, UB_ind, "Integer") 

其中我只能輸入個別界限（因此只有1個數字）。

prob = pulp.LpProblem("Test", pulp.LpMaximize) 
prob += pulp.lpSum([Prices[i]*Dispatch[i] for i in RANGE]) 

並且爲了約束，我真的必須每行都做這行嗎？看來我失去了一些東西。我希望得到一些幫助。文檔討論了一個簡短的例子。在我的情況下，變量的數量是幾千。

Answer 1

初始化後，您可以設置lowBound和upBound變量。 您可以創建一個數組變量與

LB[i] <= x[i] <= UB[i] 

用下面的代碼。

x = pulp.LpVariable.dicts("x", RANGE, cat="Integer") 
for i in x.viewkeys(): 
    x[i].lowBound = LB_ind[i] 
    x[i].upBound = UB_ind[i] 

的第二個參數LpVariable.dict是該指數設定的決策變量，而不是他們的下界。