Python 2.7 纸浆优化中的约束条件

我目前正在使用Python中的纸浆模块处理一个优化问题。我想把变量设置为7500的整数倍，所以我创建了一个constriant，如下所示，但它显示了错误

import pandas as pd
import numpy as np
from pulp import *

prob = LpProblem('Cost minimization' , LpMinimize)
X = LpVariable.dicts('',tsap.varName, lowBound=0, upBound=None,     cat=LpInteger)
prob += lpSum( X[i] * j for i,j in zip(tsap.varName, tsap.coeff)),'Total cost'

l=7500

for i in X:
prob += i % l == 0

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-9-73548ad8b39f> in <module>()
        1 for i in X:
  ----> 2     prob += i % l == 0
        3 

TypeError: not all arguments converted during string formatting

将熊猫作为pd导入
将numpy作为np导入
从纸浆进口*
prob=LpProblem（“成本最小化”，LpMinimize）
X=LpVariable.dicts（“”，tsap.varName，下限=0，上限=None，cat=LpInteger）
prob+=lpSum（X[i]*j代表i，j在zip中（tsap.varName，tsap.coeff）），“总成本”
l=7500
对于X中的i：
prob+=i%l==0
---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
1对于X中的i：
---->2 prob+=i%l==0
3.
TypeError:在字符串格式化过程中并非所有参数都已转换

---

有什么方法可以达到预期的目标吗？

在纸浆中不能使用模运算符，因为这将成为一个非线性问题

---

然而，简单的解决方案是保持

X[i]

整数，然后在约束中使用

7500*X[i]

并相应地报告解决方案。

您试图使用模运算符，这在线性规划中是无法做到的。但是，您可以设置一个伪lpk变量，它必须是一个整数，然后添加一个i==7500*k的约束。