基于scipy.optimize的线性规划问题的建模与求解（例3：机械下料中的套料优化问题）

机械下料中的套料优化问题|整数规划|python|scipy|

• 线性规划（LP）中的决策变量为整数的问题称为整数规划（Integer Linear Programming，ILP）

下料优化的问题描述

一家机械厂要生产120套钢架，每套要用长2.9m、2.1m和1.5m的型钢各一根。已知原料长为7.4m，问应该如何下料最经济？

规格（m）	所需件数
2.9	120
2.1	120
1.5	120

问题分析：

在定长为7.4m的原料上裁剪3种不同长度的钢材，可以分析出8种不同的下料方案：

下料尺寸	A	B	C	D	E	F	G	H
2.9m（根）	1	2	0	1	0	1	0	0
2.1m（根）	0	0	2	2	1	1	3	0
1.5m（根）	3	1	2	0	3	1	0	4
余料m	0	0.1	0.2	0.3	0.8	0.9	1.1	1.4

该问题即求如何规划使用这8中方案，使得满足120套钢架的制造要求，且方案最经济。

需要搞清楚下料优化问题的目标是什么？是使剩余的料头最少，还是所需原材料数量最少？注意过量生产也是浪费。

首先以残余的材料最少为目标。
设$x_i$表示第$i$种下料方案利用的原料数量，则该问题的目标是总浪费最小$Z=0.1x_2+0.2x_3+0.3x_4+0.8x_5+0.9x_6+1.1x_7+1.4x_8$，同时还需满足以下约束条件：

• 2.9m规格钢材数量：$x_1+2x_2+x_4+x_6\ge 120$；
• 2.1m规格钢材数量：$2x_3+2x_4+x_5+x_6+3x_7\ge 120$；
• 1.5m规格钢材数量：$3x_1+x_2+2x_3+3x_5+x_6+4x_8\ge 120$；
• 非负约束：$x_i\ge 0$且为整数；

数据建模：

在本例中，数学模型如下：

m i n   Z = 0.1 x 2 + 0.2 x 3 + 0.3 x 4 + 0.8 x 5 + 0.9 x 6 + 1.1 x 7 + 1.4