pulp 示例2.A Set Partitioning Problem

高级硬件设计中的研究课题需要通过一系列约束（唯一起始时间约束、依赖约束和资源约束）来优化一个调度过程。所以就开始学习pulp。

pulp官方网站，pulp是python的一个库，可以用来解决线性规划问题。

首先复习一下优化模型的三要素：

• 决策变量
• 目标函数
• 约束条件

---

A Set Partitioning Problem这个问题主要去解决这样一类问题——有时候需要将一个大集合（set）划分为小集合（subset），使每一个item只属于一个subset，但同时还需要满足一些其他的约束。
约束条件

• subset的个数最多是5
• subset的容量是4
• item属于且仅属于一个subset

目标函数
每个subset中item的最大ASCII与最小ASCII的差值最小（对应的happy越大）

"""
A set partitioning model of a wedding seating problem

Authors: lympassion
"""

from pulp import *

max_tables = 5
max_table_size = 4
guests = 'A B C D E F G H I J K L M N O P Q R'.split()


def happiness(table):
    return abs(ord(table[0]) - ord(table[-1]))


possible_tables = [tuple(i) for i in allcombinations(guests, max_table_size)]

x = LpVariable.dicts('table', possible_tables, lowBound=0, upBound=1, cat=LpInteger)  # 


seat_model = LpProblem("seat model", LpMinimize)

# object function
seat_model += lpSum([happiness(i)*x[i] for i in possible_tables]) 


# constraint
seat_model += lpSum(x[i] for i in possible_tables) <= max_tables

for guest in guests:
    seat_model += lpSum(x[i] for i in possible_tables if guest in i) == 1


seat_model.solve()
# print(seat_model.status)
print("The choosen tables are out of a total of %s:"%len(possible_tables))
for table in possible_tables:
    if x[table].value() == 1:
        print(table)

出错记录：

• seat_model += lpSum([happiness(i)*x(i) for i in possible_tables])
  TypeError: ‘dict’ object is not callable
• x = LpVariable.dict('table', possible_tables, lowBound=0, upBound=1, cat=LpInteger)这里由于调用LpVariable.dict()方法而出现了
  dict->TypeError: not all arguments converted during string formatting错误