使用Pulp求解LP问题时，LpVariable约束运算报错的解决问询

错误原因 #

你代码里的约束i / x <= 1/8属于非线性表达式，而Pulp作为线性规划求解器，仅支持变量的线性运算——变量只能以一次项形式存在，不能出现在分母、根号、指数等非线性位置。Python报错就是因为试图对整数i和LpVariable类型的x执行除法操作，这违反了Pulp的线性表达式规则。

正确的约束建模方式 #

线性规划要求所有约束必须是线性等式或不等式，因此需要把含变量在分母的式子转换为线性形式：
假设你的约束逻辑是“每个时间段顾客数i与柜员数x的比值不超过1/8”，由于柜员数x必然为正数，我们可以通过两边同乘x（不等号方向不变）消除分母，得到线性约束：

i <= (1/8)*x
→ x >= 8*i

如果这个逻辑不符合实际业务需求（比如计算出的x过大），大概率是你原本的约束逻辑写反了。常见的合理场景是：x个柜员每小时能处理8*x个顾客，需满足顾客数i不超过处理能力，对应的线性约束应为8*x >= i（即x >= i/8），你需要根据实际业务规则确认正确的约束方向。

修改后的完整代码 #

import pulp

prob = pulp.LpProblem("Optimal Number of Bank Tellers", pulp.LpMinimize)

# 设最低1个柜员，避免x=0的无效解
x = pulp.LpVariable("Number of Tellers", lowBound=1, cat='Integer')

# 目标函数：保留你原有的成本计算逻辑
prob += x * (16*4 + 14*4)/8 , "Total Cost of Labor"

# 修正为线性约束，这里以合理场景的`8*x >= i`为例
for idx, i in enumerate([28, 35, 21, 46, 32, 14, 24, 32], 1):
    prob += 8 * x >= i, f"Service Level Constraint for Time Slot {idx}"

# 求解并输出结果
prob.solve()
print("最优柜员数：", pulp.value(x))
print("最小总成本：", pulp.value(prob.objective))

额外说明 #

• 将x的lowBound设为1，避免出现无意义的0柜员解；
• 用enumerate给时间段编号，避免因顾客数重复导致约束名称冲突。

内容的提问来源于stack exchange，提问作者Fakhar Hayat Adil