python 混合整数规划_混合整数规划仓库位置（Python+GLPK）

我在优化方面相对较新，我正在尝试优化一个关于仓库位置的问题(两年前Coursera的pas课程)。问题是，它已经运行了6个多小时，它仍然在一个拥有100个仓库和1000个客户的实例上运行。在

问题如下。我有一套仓库，我可以开也可以不开。打开它们每一个都有一个成本，而且它们都有一个最大的容量，cap。

另一方面，有很多客户机，所有客户机都必须连接到一个(而且只有一个)开放仓库。每个客户的仓库都有一个运输成本。

显然，我想要的是，把总成本降到最低。在

因此，我有一个大小等于仓库总数x的数组，每个x[w]是一个整数{0,1}，定义仓库w是否打开。

我还有一个由0和1组成的矩阵，定义了哪个仓库为每个客户提供服务。因此，行数与客户数相同，列数与仓库数相同。矩阵称为y，如果waregouse w交付客户c，y[c][w]为1，否则为0。在

到目前为止还不错。这可能是一个MIP问题。

为了编写代码，我在Python中使用PuPL lib(https://pythonhosted.org/PuLP/pulp.html)和GLPK来解决它。在

现在，这是我的模型：#!/usr/bin/python

# -*- coding: utf-8 -*-

from pulp import *

def solveIt(inputData):

# parse the input

lines = inputData.split('\n')

parts = lines[0].split()

warehouseCount = i