所以，这是我要解决的上下文：
我想将成本单位分为两个或更多公司。现在，我已经为具有以下目标功能的两家公司解决了问题：
20*x1 + 30*x2 + 100*x3 + 20*x4 + 30*x5
变量为二进制类型。
假设我将优化的解决方案作为：
x1 = 1
x2 = 0
x3 = 0
x4 = 1
x5 = 0
这意味着公司A将负责单位成本X1和X4以及B公司的其余费用。
。这很好，我都正确地在纸浆上编码了。我还可以使用约束来限制特定公司的最高成本，这是所有这些开始的重点。系数的总和代表给定项目的总成本。因此，我将该数量用作目标函数的限制，以限制公司的成本
现在，我想做的是3个或更多公司。我不知道如何制定目标函数或功能，因为我认为它可能属于多目标函数问题，但实际上我不确定。
我在线性编程方面不是很有经验，所以很抱歉，如果我放错了这个问题。我没有发现任何可以帮助我实现这一目标的东西。
我会放置代码，但是在创建功能之前，我有更多的变量和一些基本数据准备，因此我创建了一个假设的示例，以使其更容易理解。
非常感谢您的任何帮助。
您可以定义一个二进制变量：
x_{i,j} = 1 if Company i is responsible for Unit Cost j
并为每个单位成本添加一个约束j告诉确切的一家公司必须负责该费用。
考虑以下示例。
# data
companies = ["company1", "company2", ...]
products = ["prod1", "prod2", ...]
cost = {"prod1": cost1, "prod2": cost2, ...}
x = pulp.LpVariable.dicts("responsability",[(company, product) for company in companies for product in products], cat=pulp.LpBinary)
prob = pulp.LpProblem("ilp", pulp.LpMinimize)
# objective function - assuming the cost is the same for all the companies
prob += pulp.LpSum(cost[product] * sum(x[(company, product)] for company in companies) for product in products)
# each product assigned to one company
for product in products:
prob+= pulp.LpSum(x[(company, product)] for company in companies) == 1
# additional constraints
...