Да!
Вам нужно лучше использовать наборы. Если у вас есть текст по линейному программированию или вы просматриваете несколько руководств, вы сможете найти множество примеров. Вы не должны жестко закодировать данные в формулировку, как вы есть. Можно либо читать данные из файла, либо разрабатывать их отдельно перед вашей математической моделью, но не в формулировке ограничений и т.п.
В приведенном выше примере есть 2 основных набора, каждый из которых имеет два подмножества . (ниже в псевдокоде)
основные наборы
Foods (или «варианты выделения»):
Foods = {protein_can, soup, etc...}
Вы можете использовать эти имена строк в качестве членов набора или просто используйте индекс и отслеживайте имена в индексированном списке отдельно от задачи
Студенты:
Students = {A01, A02, ... }
Подмножества
Каждый из вышеперечисленных наборов имеет 2 подмножества , связь с protein и carbs. Так, например, для Foods:
Foods_P = {Protein_can, energy_drink}
Foods_C = ...
Их должно быть очень легко настроить при чтении данных, и их использование сделает вашу программу более чистой и быстрой.
Использование наборов. ..
После этого вам потребуются только 2 переменные для работы с продуктами:
avail[food]
cost[food]
, где food является членом набора Foods
Ваша модель выглядит как модель назначения, в которой вы назначаете определенное количество определенной пищи определенному учащемуся, поэтому у вас должна быть некоторая переменная решения с двойным индексом:
x[f, s] # an integer/real number representing the assignment of x quantity of food f to student s
Подобные конструкции ограничения и стоимость должны встать на свои места ...
Чтение из Excel.
У вас есть пара вариантов здесь ...
- Используйте pandas для чтения информации, что, вероятно, является излишним и необязательным
- Используйте прямой интерфейс Excel, например
openpyxl, что опять же является излишним. - После настройки файла Excel, сохранять каждую вкладку как отдельный файл .csv (стандарт для данных ), а затем пусть python прочитает csv, что очень просто. (Используйте функцию «сохранить как» в Excel и выберите .csv ... игнорируйте предупреждения Билла Гейтса)
Вы должны создать два CSV-файла, один для еды, другой для студентов. Тогда они могут быть прочитаны как таковые:
# script to import csv files
file_name = 'food.csv'
qty_dict = {}
cost_dict = {}
foods = set()
food_p = set()
food_c = set()
with open(file_name, 'r') as fin:
fin.readline() # read the header and discard it
# process the rest
for line in fin:
data = line.strip().split(',')
key = data[0] # the type name
qty = int(data[1]) # int conversion of qty
cost = int(data[2]) # int conversion of cost
qty_dict[key] = qty
cost_dict[key] = cost
# test the booleans, construct the sets
if data[3].lower() == 'true':
food_p.add(key)
if data[4].lower() == 'true':
food_c.add(key)
print (cost_dict)
print (food_p)
# do same for students...
# make pulp model
# you probably have a decision variable X[f,s] which is probably something like:
X = pulp.LpVariable.dicts("assign", [(f, s) for f in foods for s in students], cat='Binary')
У меня не установлено pulp, поэтому последняя строка точна, но не проверена.
У вас должна быть возможность установить уточните свои ограничения и цель с помощью словарей и наборов, которые были созданы во время чтения.
Снимок еды в Excel:
введите описание изображения здесь