【发布时间】：2019-01-31 16:36:51
【问题描述】：
我有下表，必须从中创建一个具有特定蛋白质和碳水化合物值的食谱。
并且使用 or-tools 来解决这个问题，到目前为止我有：
格式化数据
data = [
['f1', 10, 15, 17, 10],
['f2', 2, 11, 12, 14],
['f3', 6.5, 17, 16, 13],
['f4', 8, 12, 8, 16]
]
营养素的限制：
营养素 = [ [“蛋白质”，15.5]， [“碳水化合物”，12.3]]
目标函数，其中上限“datai”是该特定元素的库存。
food = [[]] * len(data)
# Objective: minimize the sum of (price-normalized) foods.
objective = solver.Objective()
for i in range(0, len(data)):
food[i] = solver.NumVar(0.0, data[i][1], data[i][0])
objective.SetCoefficient(food[i], 4)
objective.SetMinimization()
我也有 as 限制每种营养素的要求值：
constraints = [0] * (len(nutrients))
for i in range(0, len(nutrients)):
constraints[i] = solver.Constraint(nutrients[i][1], solver.infinity())
for j in range(0, len(data)):
constraints[i].SetCoefficient(food[j], data[j][i+3])
最后是求解器：
状态 = 求解器.Solve()
if status == solver.OPTIMAL:
# Display the amounts (in dollars) to purchase of each food.
price = 0
num_nutrients = len(data[i]) - 3
nutrients = [0] * (len(data[i]) - 3)
for i in range(0, len(data)):
price += food[i].solution_value()
for nutrient in range(0, num_nutrients):
nutrients[nutrient] += data[i][nutrient+3] * food[i].solution_value()
if food[i].solution_value() > 0:
print ("%s = %f" % (data[i][0], food[i].solution_value()))
print ('Optimal price: $%.2f' % (price))
else: # No optimal solution was found.
if status == solver.FEASIBLE:
print ('A potentially suboptimal solution was found.')
else:
print ('The solver could not solve the problem.')
这部分工作正常，我得到的结果如下：
f1 = 0.077049
f3 = 0.886885
Optimal price: $0.96
知道我还需要添加我将制造多少公斤的限制，这些限制也必须满足之前的限制。
我的第一个猜测是在营养需求上增加一个乘数
factor = 10
nutrients = [
["protein",15.5*factor],
["carbohydrates",12.3*factor]]
这样我会多吃 10 倍的食物，但后来我意识到这是不正确的，因为我需要的是浓度 E.G.
我需要 10 公斤，其中 15.5 蛋白质/公斤和 12.3 碳水化合物/公斤 我需要的约束是这样的：
(f1*W + f2*X + f3*Y + f4*Z)/(W+X+Y+Z) = 10kg with 15.5 protein/kg and 12.3 carbohydrates/kg
Where W, X, Y and Z are the kg of each food
如何将此约束添加到求解器？
【问题讨论】：
标签： python optimization linear-programming or-tools