如何在Python中创建动态求解器(优化函数)

Question

现在，我有一个关于动态约束的问题。我有原始价格，但我需要检查他们是否遵守商业规则，当有违规行为时，我会更改价格，但希望总的绝对变化最小化。

我的表列如下所示：

• 项目：字符串
• 尺寸：浮动
• 合计装载量：Int
• Original_Price：浮动
• Optimal_Price:Float(空白，因为这是决策变量(
• D1(空白，但有公式可获取(
• D2(相同(
• 绝对(空白，这是决策变量也是目标列(

这是我的问题：

• 决策变量：

1. 最优价格
2. Absolute_value(但这仍然是一个线性函数，请参阅以下内容(

• 目标：最小化绝对值之和。SUM(绝对值(
• 限制条件：

1. 绝对值>=差异_1
2. 绝对值>=差异_2
3. optimal_price>=0
4. 相同商品，较大尺寸的最优价格>=较小尺寸的最优价格
5. 尺寸相同，商品也有价格规则

目前，我正在努力实现前三个约束。我可以在Excel中很容易地做到这一点，但很难将其转移到Python中。

问题是，我试图计算Difference_1和Difference_2，但它要求我将决策变量，即最优价格引入函数中。功能类似：

• Difference_1=(original_price-optimal_price(*total_amount
• 差异_2=(最优价格-原始价格(*总金额

我们为什么这样做是为了得到线性解，而不是使用绝对函数。

我试图使用纸浆来创建这个优化函数，但当我试图将LpVariable添加到差值计算中时，

for i in range(df.shape[0]):
D1[i] = (Opt_Price[i]-df['Original_Price'][i])*df['Total_Amount'][i]
D2[i] = (df['Original_Price'][i]-Opt_Price[i])*df['Total_Units'][i]

上面写着

TypeError: 'LpVariable' object is not subscriptable

我也试过这个：

D1 = (Opt_Price-df['Original_Price'])*df['Total_Amount']
D2 = (df['Original_Price']-Opt_Price)*df['Total_Amount']

提前感谢！

Answer 1

看起来您将Opt_Price设置为单个LpVariable，而不是包含它们的字典。使用LpVariable.dicts从键列表中生成变量字典是非常标准的，如下所示：

Opt_Price = LpVariable.dics("optprices", range(df.shape[0]))