如何在Python中创建动态解算器（优化函数）

现在，我有一个关于动态约束的问题。我有原始价格，但我需要检查他们是否遵守业务规则，当有违反时，我会更改价格，但我希望总的绝对更改最小化

我的表列如下所示：

Opt_Price = LpVariable.dics("optprices", range(df.shape[0]))

• 项目：字符串
• 尺寸：浮子
• 总金额：整数
• 原价：浮动
• 最优价格：浮动（空白，因为这是决策变量）
• D1（空白，但有公式可获取）
• D2（相同）
• 绝对值（空白，这是决策变量也是目标列）

我的问题是：

• 决策变量：

最优价格

绝对_值（但这仍然是一个线性函数，请参见以下内容）

• 目标：最小化绝对值之和。总和（绝对值）
• 限制条件：

绝对值>=差值1

绝对值>=差值2

最优价格>=0

相同物品，较大尺寸的最优价格>=较小尺寸的最优价格

同样大小的物品也有价格规则

目前，我正在努力实现前三个约束。我可以很容易地在Excel中完成这项工作，但要将其移动到Python中却非常困难

问题是，我试图计算差分_1和差分_2，但这需要我将决策变量，即最优价格引入函数。功能类似于：

• 差额1=（原价-最优价）*总金额
• 差额2=（最优价格-原价）*总金额

我们这样做的原因是得到一个线性解，而不是使用绝对函数

我试着用纸浆来创建这个优化函数，但当我试着在差异计算中加入LpVariable时

for i in range(df.shape[0]):
    D1[i] = (Opt_Price[i]-df['Original_Price'][i])*df['Total_Amount'][i]
    D2[i] = (df['Original_Price'][i]-Opt_Price[i])*df['Total_Units'][i]

上面说

TypeError: 'LpVariable' object is not subscriptable

我也试过：

D1 = (Opt_Price-df['Original_Price'])*df['Total_Amount']
D2 = (df['Original_Price']-Opt_Price)*df['Total_Amount']

---

提前谢谢

看起来您将

Opt_Price

作为一个变量，而不是包含它们的字典。使用

LpVariable.dicts

从键列表中创建变量字典是相当标准的，如下所示：

Opt_Price = LpVariable.dics("optprices", range(df.shape[0]))

---

谢谢你的回复！我厌倦了这个代码，但是我得到了这样的Opt_Price

{0:Opt_Price\u 0，1:Opt_Price\u 1，2:Opt_Price\u 2，3:Opt_Price\u 3，4:Opt_Price\u 4，5:Opt_Price\u 5，6:Opt_Price\u 6，7:Opt_Price\u 7…}

这是一个名称列表，我不知道如何将其添加到计算函数中。。。