问题描述
我正在尝试为PuLP中的成本优化制定目标函数,其中将数组的最大值添加到目标函数。请忽略缩进。
#Decision Variables
allocation_vars = LpVariable.dicts(
'Allocation',[(i,j,k) for i in TruckTypes for j in Days for k in RS],LpInteger
)
#Objective Function
for i in TruckTypes:
for j in Days:
prob += max(allocation_vars[(i,k)] * TransCost[i][k] for k in RS)
尝试运行以上命令时出现以下错误:
prob += max(allocation_vars[(i,k)] * TransCost[i][k] for k in RS)
TypeError: '>' not supported between instances of 'LpAffineExpression' and 'LpAffineExpression'
解决方法
您应该按照@AirSquid的说法重新制定。
请尝试以下操作:
- 创建一个虚拟变量
m[i][j]
,并将其添加到目标函数中;
m = LpVariable.dicts(
'maxCosts',[(i,j) for i in TruckTypes for j in Days],LpInteger
)
prob += lpSum([m[i][j] for j in Days for j in TruckTypes])
- 添加以下约束:
for i in TruckTypes:
for j in Days:
for k in RS:
prob += allocation_vars[(i,j,k)]*TransCost[i][k] <= m[i][j]
假设您有一个最小化问题,它的工作原理与max
完全相同:它将尽可能减少m[i][j]
,并尽可能减少allocation_vars[(i,k)]*TransCost[i][k]
,它将尝试减少最大值所有loop
中。