Python 使用混合浓度作为线性优化的约束

我有下表，a必须从中创建一个含有蛋白质和碳水化合物特定值的配方

使用或工具来解决这个问题，到目前为止，我有：

格式化数据

data = [
['f1', 10, 15, 17, 10],
['f2', 2, 11, 12, 14],
['f3', 6.5, 17, 16, 13],
['f4', 8, 12, 8, 16]
]

营养素的约束条件：

营养素=[ [“蛋白质”，15.5]， [“碳水化合物”，12.3]]

目标函数，其中上界“数据”是该特定元素的存量

food = [[]] * len(data)

# Objective: minimize the sum of (price-normalized) foods.
objective = solver.Objective()
for i in range(0, len(data)):
    food[i] = solver.NumVar(0.0, data[i][1], data[i][0])
    objective.SetCoefficient(food[i], 4)
objective.SetMinimization()

我还对每种营养素的要求值进行了限制：

constraints = [0] * (len(nutrients))
for i in range(0, len(nutrients)):
    constraints[i] = solver.Constraint(nutrients[i][1], solver.infinity())
    for j in range(0, len(data)):
        constraints[i].SetCoefficient(food[j], data[j][i+3])

最后是解算器：

status=solver.Solve（）

这部分工作正常，我得到的结果如下：

f1 = 0.077049
f3 = 0.886885
Optimal  price: $0.96

我知道我还需要添加我将要制造多少kg的约束，这些约束也必须满足前面的约束

我的第一个猜测是给营养素需求增加一个乘数

factor = 10
nutrients = [
    ["protein",15.5*factor],
    ["carbohydrates",12.3*factor]]

Tjis让我的食物多了10倍，但后来我意识到这是不对的，因为我需要的是集中注意力

我需要10公斤，每公斤15.5蛋白质和12.3碳水化合物 我需要的约束是这样的：

(f1*W + f2*X + f3*Y + f4*Z)/(W+X+Y+Z) = 10kg with  15.5 protein/kg and 12.3 carbohydrates/kg 

Where W, X, Y and Z are the kg of each food

如何将此约束添加到解算器

(f1*W + f2*X + f3*Y + f4*Z)/(W+X+Y+Z) = 10

与

f1*W + f2*X + f3*Y + f4*Z = 10*(W+X+Y+Z)

这是线性的

如果我们错过了一些数学课，我们可以将其作为标准LP约束：

(f1-10)*W + (f2-10)*X + (f3-10)*Y + (f4-10)*Z = 0

与

f1*W + f2*X + f3*Y + f4*Z = 10*(W+X+Y+Z)

这是线性的

如果我们错过了一些数学课，我们可以将其作为标准LP约束：

(f1-10)*W + (f2-10)*X + (f3-10)*Y + (f4-10)*Z = 0

---

您可以查看文档中的stiedler饮食示例，我们已经实现了一个类似于此的问题。您可以查看文档中的stiedler饮食示例，我们已经实现了一个类似于此的问题