第一次理解了使用gurobi线性优化的过程

本文通过一个具体的营养摄入优化问题,详细介绍了如何利用gurobi进行线性优化建模和求解。核心逻辑包括定义变量、设定优化目标以及建立营养摄入的约束条件。最终通过完整代码展示了解决此类问题的具体步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目

人体需要四种营养:category: calories、protein、fat、sodium。食物来源:foods=hamburger, chicken, hot dog, fries, macaroni, pizza, salad, milk, ice cream

         营养吸收每天都有上限和下限;单位重量食物价格不同;单位重量食物所含营养成分不同,求达到足够营养花费的代价最小。

思路:

这个是典型的最优化,主要难点在于建模,怎么把需求转化为表达式,然后让gurobi求解。

本质就是, 用最小的成本来满足人体每日的营养需求。

核心逻辑就是以下几行:

第一行: 添加变量, 使用addVars, 相当于为foods里的每一种食物创建一个变量。

第二行:设定目标, 每一种food需求量 和其成本 cost相乘,就是此种food的成本, 把这些food全部加起来就是总成本, 求其最小值。

第三行:每种营养都有最大值和最小值, 所以,约束条件1就是 把所有食物中此中营养加起来大于等于最小值。   某种营养的总和 = sum(每个食物购买量buy[f] 乘以 该种食物营养含量 nutritionValues[f, c] )。

第四行:与第三行一样的道理。

buy = m.addVars(foods, name= "buy_food")

m.setObjective(quicksum([buy[f] * cost[f] for f in foods] ), GRB.MINIMIZE)

m.addConstrs( quicksum([nutritionValues[f, c] * buy[f] for f in foods]) >= minNutrition[c] for c in categories)
m.addConstrs( quicksum([nutritionValues[f, c] * buy[f] 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值