Python 纸浆包装LP模型中的枚举约束

我正在使用python和palp包创建一个线性优化模型。我想知道是否有一种简单的方法可以将约束添加到模型中，而无需对每个变量进行许多硬编码。例如…我目前正在使用For循环创建以下一组分区约束：

for j in range(0,(len(excel_data_df))) :
    i = j * 3
    OptModel += x[i] + x[i + 1] + x[i + 2] == 1

这适用于较小的问题。然而，随着变量i变大，在约束中添加所有索引变得非常耗时

是否可以循环使用我可以获取的所有值，然后自动生成OptModel+=代码行？例如，如果变量i为100，我希望代码生成以下内容，而不必手动添加每个x[i]变量

 for j in range(0,(len(excel_data_df))) :
    for i in range(0,100)
       OptModel += x[0] + x[1] + x[2] + ......+ x[100] == 1

---

您可以使用

lpSum

方法，该方法允许您对变量列表进行求和-因此您需要做的就是找到一种生成要求和的索引的方法。在第二次exmaple中，您可以：

OptModel += lpSum([x[i] for i in range(0, 100)]) == 1

---

这正是我要找的。非常感谢！