python运输问题_运输最优化python求解

知识点：pulp库的运用

程序应用python实现如下功能（推荐使用gurobi工具包）

输入每个地区的优先级

得出成本最低的配送方案

得出总的运送成本

得出每个地区的物资满足率（即四种物质的满足量/需求量的平均值）

得出24个地区总的物资满足率

main.py

import get_table_data

import optimize

#获取表格中的信息

path='代码(1).docx'

source={}

water_save=[50000,30000,30000,20000,30000,20000]

meal_save=[6000,4000,3000,3000,4000,5000]

bag_save=[3000,2000,2000,1000,2000,3000]

camp_save=get_table_data.get_data(path,1,[6,2],[6,7])[0]

#可以用面向对面方法优化4个物资函数，本次实验尚未优化

water_need=[x[0] for x in get_table_data.get_data(path,2,[2,2],[25,2])]

water_center=get_table_data.get_data(path,3,[3,2],[8,4],'float')

water_area=get_table_data.get_data(path,7,[4,2],[6,25],'float')

water_to_24=[]

for x in range(6):

water_to_24.append([])

for y in range(24):

tmp=[]

tmp.append(water_center[x][0]+water_area[0][y])

tmp.append(water_center[x][1]+water_area[1][y])

tmp.append(water_center[x][2]+water_area[2][y])

water_to_24[x].append(round(min(tmp),1))

meal_need=[x[0] for x in get_table_data.get_data(path,2,[2,3],[25,3])]

meal_center=get_table_data.get_data(path,4,[3,2],[8,4],'float')

meal_area=get_table_data.get_data(path,7,[8,2],[10,25],'float')

meal_to_24=[]

for x in range(6):

meal_to_24.append([])

for y in range(24):

tmp=[]

tmp.append(meal_center[x][0]+meal_area[0][y])

tmp.append(meal_center[x][1]+meal_area[1][y])

tmp.ap