如何用PuLP约束LP/IP问题中单个任务仅分配一名员工？

问题分析 #

你遇到的TypeError是因为直接将PuLP决策变量与整数做比较——LP/IP的约束必须是线性表达式与常数的关系，不能用变量间的逻辑比较。要实现“单个任务仅分配给一名员工”，需要引入辅助二元变量配合约束来转化这个逻辑。

完整实现代码 #

首先明确变量定义：

• 连续变量 x[e, a]：员工e在任务a上投入的工作时间
• 二元变量 y[e, a]：员工e是否被分配到任务a（1表示是，0表示否）

import pulp
import pandas as pd

# 任务数据
work_data = {
    "actions": ["ActionA", "ActionB", "ActionC", "ActionD"],
    "value": [5, 2, 1, 1],
    "available_work": [8, 4, 12, 24],
}
work = pd.DataFrame(data=work_data).set_index("actions")

# 员工数据
emp_data = {
    "ID": ["01", "02", "03", "04", "05"],
    "time": [7, 7, 6, 5, 5],
}
employees = pd.DataFrame(data=emp_data).set_index("ID")

# 初始化最大化问题
prob = pulp.LpProblem("Employee_Task_Assignment", pulp.LpMaximize)

# 定义决策变量
# x[e,a]: 员工e在任务a上投入的时间
x = pulp.LpVariable.dicts(
    "WorkTime",
    ((e, a) for e in employees.index for a in work.index),
    lowBound=0,
    cat="Continuous"
)
# y[e,a]: 员工e是否分配到任务a（二元变量）
y = pulp.LpVariable.dicts(
    "AssignFlag",
    ((e, a) for e in employees.index for a in work.index),
    cat="Binary"
)

# 目标函数：最大化总任务价值（单位时间价值×投入时间之和）
prob += pulp.lpSum([x[e,a] * work.loc[a, 'value'] for e in employees.index for a in work.index])

# 约束1：每个任务的总投入时间不超过任务可用工作量上限
for a in work.index:
    prob += pulp.lpSum([x[e,a] for e in employees.index]) <= work.loc[a, 'available_work']

# 约束2：每个员工的总投入时间不超过其可用时间上限
for e in employees.index:
    prob += pulp.lpSum([x[e,a] for a in work.index]) <= employees.loc[e, 'time']

# 约束3：单个任务仅分配给一名员工（核心约束）
for a in work.index:
    # 每个任务最多分配给一个员工（若强制任务必须被分配，改为==1）
    prob += pulp.lpSum([y[e,a] for e in employees.index]) <= 1
    # 未被分配任务的员工，在该任务上的投入时间必须为0
    for e in employees.index:
        # 取员工最大可用时间和任务最大工作量的较大值作为上限系数
        max_limit = max(employees['time'].max(), work['available_work'].max())
        prob += x[e,a] <= y[e,a] * max_limit

# 求解问题
prob.solve()

# 输出结果
print("求解状态:", pulp.LpStatus[prob.status])
print("总价值:", pulp.value(prob.objective))
print("\n分配详情:")
for e in employees.index:
    for a in work.index:
        if pulp.value(x[e,a]) > 1e-6:  # 避免浮点精度问题
            print(f"员工{e} 分配到任务{a}，投入时间: {pulp.value(x[e,a]):.2f}")

核心约束逻辑 #

1. 二元变量y[e,a]：用来标记员工与任务的分配关系，替代直接判断x[e,a] > 0的逻辑，符合LP/IP的线性约束要求。
2. sum(y[e,a]) <= 1：确保每个任务最多被一名员工接手，从数量上限制分配对象的唯一性。
3. x[e,a] <= y[e,a] * max_limit：当y[e,a]=0时，x[e,a]必须为0；当y[e,a]=1时，x[e,a]可在合理范围内取值，实现“只有被分配的员工才能在该任务上投入时间”。

错误原因说明 #

直接使用x[e,a] > 0这类写法违反了PuLP的约束规则——LpVariable对象不能直接与整数进行比较运算。LP/IP的约束必须是变量的线性组合与常数的不等式/等式关系，因此必须通过辅助二元变量将逻辑约束转化为线性约束。

内容的提问来源于stack exchange，提问作者Paul