如何使用纸浆在python中定义一些约束

我试图用python中的纸浆实现一个优化代码

这是我第一次用这种语言做模型

我有一些问题

考虑优化模型：

n_i_t-是维度为i和t的数据输入。是浮点数据矩阵。 lambe_i_t-是维度为i和t的数据输入。是浮点数据矩阵。 C-是数据的整数输入 a_i_t-是一个决策变量

我的代码如下：

#Initialize model
model = LpProblem('eUCB_Model', sense=LpMaximize)
#Define decision variables
    
#y = LpVariable.dicts('tenant', [(i) for i in range(I) for t in range (T)], lowBound=None, upBound=None, cat='Binary')

#Define model
model += lpSum([y[t][i]*n[t][i] for i in range(I) for t in range(T)])
        
#Define Constraints
model += lpSum([y[t][i]*R[t][i] for i in range(I) for t in range(T)]) <= C

model.solve(PULP_CBC_CMD(msg=0))

#初始化模型
模型=LpProblem（'eUCB_模型'，sense=LpProblem）
#定义决策变量
#y=LpVariable.dicts（'tenant'，[（i）表示范围内的i（i）表示范围内的t）]，下限=None，上限=None，上限=None，cat='Binary'）
#定义模型
模型+=lpSum（[y[t][i]*n[t][i]表示范围（i）中的i，表示范围（t）]中的t）
#定义约束条件
model+=lpSum（[y[t][i]*R[t][i]表示范围内的i（i）表示范围内的t（t）]）您的锁定约束在CPLEX中是什么样子的我没有完全遵循您的问题公式的符号。您的锁定约束在CPLEX中是什么样子的？-我没有完全理解你的问题公式。