docplex 解决单目标优化情况

使用背景

1. 求解未知数的值的时候可以使用 docplex 进行求解 == 用来求 y = f(X) 中 X 的取值。（可以有约束，可以没有约束）
2. 求解优化问题时候使用
   1. 优化目标 === 目标函数
   2. 含有约束条件
   3. 最大化/最小化 目标函数
   4. 输出自变量的取值

总结：含有自变量，不知道具体取值，但可以知道自变量满足的限定条件。

场景举例

有一个工厂，生产两种产品：A 和 B。生产每种产品需要一定的原材料和工人，并且生产这两种产品都有一定的利润。工厂有限的原材料和工人，所以我们需要计算出生产多少 A 产品和 B 产品，使得利润最大。

自定义生产情况和限制情况：

1. 设 A 产品 生产了 X1 ; B 产品 生产了 X2 ;                                    》》》  未知数 
2. 生产A可以赚5块钱，生产B可以赚10块; 那么利润函数 Z = 5X1 + 10X2                》》》 优化目标 
3. A 产品 和 B 产品一共最多可以生产 200件。 X1 + X2 <= 200                      》》》 约束条件 1 
4. 生产 A 需要两个工人，生产 B 需要三个工人，一共有 500个工人。  2X1 + 3X2 <= 500 》》》 约束条件 2 

=====》》 函数表达整理： 

利润最大化 
	Z = 5X1 + 10X2
约束条件：
	X1 + X2 <= 200     (原材料限制)
	2X1 + 3X2 <= 500   (工人限制)
	X1 >= 0, X2 >= 0   (非负限制)

1. 定义优化模型

# 导入必要的库 
from docplex.mp.model import Model

# 创建模型
mdl = Model(name='factory_production')

2. 创建决策变量

# 定义变量
x1 = mdl.integer_var(lb=0, name='x1')
x2 = mdl.integer_var(lb=0, name='x2')

3. 定义优化函数

# 定义目标函数 
obj = 5 * x1 + 10 * x2 

4. 定义约束条件

# 定义约束条件 (直接添加) 
mdl.add_constraint(x1 + x2 <= 200)
mdl.add_constraint(2 * x1 + 3 * x2 <= 500)

5. 最大化/最小化 目标函数，并求解

# 最大化目标函数 
mdl.maximize(obj) 

# 优化器求解 
solution = mdl.solve()

6. 获取求解数据

# 输出结果
print("生产 A 产品的数量：", x1.solution_value)
print("生产 B 产品的数量：", x2.solution_value)
print("最大利润：", mdl.objective_value)

7. 代码内容总结

from docplex.mp.model import Model

# 创建模型
mdl = Model(name='factory_production')

# 定义变量
x1 = mdl.integer_var(lb=0, name='x1')
x2 = mdl.integer_var(lb=0, name='x2')

# 定义目标函数
mdl.maximize(5 * x1 + 10 * x2)

# 定义约束条件
mdl.add_constraint(x1 + x2 <= 200)
mdl.add_constraint(2 * x1 + 3 * x2 <= 500)

# 求解
solution = mdl.solve()

# 输出结果
print("生产 A 产品的数量：", x1.solution_value)
print("生产 B 产品的数量：", x2.solution_value)
print("最大利润：", mdl.objective_value)