基于Scipy的预算约束下生产收益最大化问题求解误区与修正

逻辑误区分析 #

• 目标函数完全错误：你当前的obj函数试图最大化原材料采购成本（通过最小化-(25x₀+20x₁+10x₂)），但真实需求是最大化产品总价值（即max_out(x)的输出），两者完全无关，这是最终产品价值远低于预算的核心原因。
• 术语混淆：你把原材料总成本标注为“production revenue”，把产品总价值标注为“cost of product”，概念完全颠倒——原材料支出是成本，max_out(x)的结果才是生产收益/产品价值。
• 约束可更精准：这类优化问题的最优解必然耗尽全部预算（生产函数是递增的，投入越多产出越高），因此可将预算约束从不等式改为等式，提升计算效率。

修正后的代码实现 #

from scipy.optimize import minimize

def product_value(x):
    # 生产函数：计算产品总价值（原max_out函数）
    return 36 * x[0]**(1/2) * x[1]**(1/3) * x[2]**(1/4)

def objective(x):
    # scipy.minimize求最小值，最大化产品价值等价于最小化其负值
    return -product_value(x)

def budget_constraint(x):
    # 预算约束：原材料总成本等于7800（最优解会耗尽预算）
    return 25*x[0] + 20*x[1] + 10*x[2] - 7800

# 约束条件：预算等式约束 + 原材料非负约束
constraints = (
    {'type': 'eq', 'fun': budget_constraint},
    {'type': 'ineq', 'fun': lambda x: x[0]},
    {'type': 'ineq', 'fun': lambda x: x[1]},
    {'type': 'ineq', 'fun': lambda x: x[2]}
)

# 初始猜测值
initial_guess = [10, 10, 10]

# 执行优化
result = minimize(objective, initial_guess, method='SLSQP', constraints=constraints)

# 输出结果
optimal_inputs = result.x
rounded_inputs = [round(x) for x in optimal_inputs]

print("最优原材料投入（四舍五入后）：", rounded_inputs)
print(f"原材料总成本：{25*rounded_inputs[0] + 20*rounded_inputs[1] + 10*rounded_inputs[2]:.2f} $")
print(f"最大化的产品总价值：{product_value(rounded_inputs):.2f} $")

代码说明 #

1. 目标函数修正：将目标改为最小化-product_value(x)，实现最大化产品总价值的核心需求。
2. 约束优化：把预算约束改为等式约束，确保最优解完全使用预算（符合生产函数的递增特性）。
3. 术语修正：重新命名函数和输出标注，明确区分原材料成本与产品价值的概念。

运行修正后的代码，你会得到7800美元预算下能实现的最高产品价值，此时原材料总成本会刚好（或因四舍五入接近）等于预算。

内容的提问来源于stack exchange，提问作者JeeyCi