以不同方式添加惩罚或加权值

编程问答 2022-06-02

问题描述

我正在尝试解决一个最小化问题，特别是在尝试解决优化问题时，我试图通过设置/首选项更好地理解 Python 中的 PulP。

这是一个虚拟问题。

我们正在努力尽量减少哪些订单使我们达到最低总价值。我们还想尝试获得更多天数较低的订单（即：应选择订单 2 和 3 而不是拣货订单 5）

例如：如果我们的目标是达到总价值

我只是不确定如何将此约束或惩罚添加到 PulP 最小化问题中。

这是我使用的代码：

from pulp import *
import pandas as pd

orders_dict_dummy = {"Orders": [1,2,3,4,5],"Value": [10,20,30,40,50],"Days": [1,"Participants": [5,5,6,10,10]}

new_df = pd.DataFrame(orders_dict_dummy)

orders_ = list(new_df['Orders'])
costs = dict(zip(orders_,orders_dict_dummy["Value"]))
days = dict(zip(orders_,orders_dict_dummy["Days"]))
days_list = list(new_df['Days'])

# setup problem
prob = LpProblem("Simple Orders Problem",LpMinimize)

# create Var
order_vars = LpVariable.dicts("Orders",orders_,lowBound=0,upBound=1,cat="Integer")

#objective function
prob += lpSum([costs[i] * order_vars[i] for i in orders_]

# set constraint
prob += lpSum([costs[f] * order_vars[f] for f in orders_]) >= 50

prob.solve()

谢谢。

解决方法

两种可能的方法：

  1. 最大化一个目标（总值），然后将结果添加为约束并求解另一个目标（总天数）。
  2. 将目标设为加权总和，其中总值具有更大的权重。

编辑：按照第二种方法，您可以对目标进行小幅修改：

#include <ArduinoJson.h>
#include <WiFi.h>
#include <WebServer.h>
#include <DHT.h>

#define DHTPIN 13
#define DHTTYPE DHT11

DHT dht(DHTPIN,DHTTYPE);

const char *ssid = "XXX";
const char *pwd = "XXX";

StaticJsonDocument<250> jsonDocument;
char buffer[250];

float temperature;
float humidity;

WebServer server(80);

void connectToWiFi() {
  Serial.print("Connect to: ");
  Serial.println(ssid);

  WiFi.begin(ssid,pwd);

  while (WiFi.status() !=WL_CONNECTED){
    Serial.print(".");
    delay(1000);
  }

  Serial.print("Connected. IP: ");
  Serial.println(WiFi.localIP());
}



void setup_routing(){
  server.on("/temperature",getTemperature);
  server.on("/humidity",getHumidity);
  server.on("/env",getEnv);
  
  server.begin();
}

void create_json(char *tag,float value,char *unit){
  jsonDocument.clear();
  jsonDocument["type"] = tag;
  jsonDocument["value"] = value;
  jsonDocument["unit"] = unit;
  serializeJson(jsonDocument,buffer);
}

void add_json_object(char *tag,char *unit){
  JsonObject obj = jsonDocument.createNestedObject();
  obj["type"] = tag;
  obj["value"] = value;
  obj["unit"]  = unit;
}

void read_sensor_data(void * parameter) {
     for (;;) {
     temperature = dht.readTemperature();
     humidity = dht.readHumidity();
     }
     delay(2000);  
}

void getTemperature(){
  create_json("temperature",temperature,"°C");
  server.send(200,"application/json",buffer);
  Serial.println(temperature);
}
void getHumidity(){
  create_json("humidty",humidity,"%");
  server.send(200,buffer);
  Serial.println(humidity);
}
void getEnv() {
  jsonDocument.clear();
  add_json_object("temperature","°C");
  add_json_object("humidity","%");
  serializeJson(jsonDocument,buffer);
  server.send(200,buffer);
}

void setup() {
dht.begin();
Serial.begin(115200);
Serial.println(WiFi.localIP());  
connectToWiFi();
setup_routing();

}

void loop() {
  // put your main code here,to run repeatedly:
delay(2000);
float temperature = dht.readTemperature();
float humidty = dht.readHumidity();

}

其中 #objective function total_cost = lpSum([costs[i] * order_vars[i] for i in orders_]) total_days = lpSum([days[i] * order_vars[i] for i in orders_]) prob += 100*total_cost + total_days 用于强调最小化总成本。

求解后，您可以显示如下结果：

100

我明白了：

print(f"total_cost = {total_cost.value():.1f}")
print(f"total_days = {total_days.value():.1f}")

for v in prob.variables():
    if v.varValue > 0:
        print(v.name,"=",v.varValue)
optimizationoptimizationpandaspandaspulppython