使用Pulp库的Python线性规划：添加生产触发成本约束问题

问题背景 #

需要最小化12个月的产品生产成本，其中x[i]为第i个月的产量变量。要求实现：当x[i] > 0时，目标函数增加固定成本A（示例中为1000）。由于Pulp变量无法直接用布尔表达式判断，需通过线性规划的常用技巧建模。

核心思路 #

引入二进制辅助变量y[i]（取值0或1），用来标记当月是否进行生产：

• 当x[i] > 0时，y[i]必须等于1，此时目标函数加上固定成本A
• 当y[i] = 0时，x[i]必须等于0，不产生固定成本

通过以下约束实现逻辑关联：
x[i] ≤ M * y[i]
其中M是x[i]的最大可能取值（需足够大，不限制正常生产的上限），可通过每月可用工时计算：M = 最大可用工时 / 单位产品工时，示例中取750（250小时 / (1/3小时/单位)）。

修改后的完整代码 #

from pulp import LpProblem, LpVariable, LpMinimize

# 初始化模型，目标为最小化成本
model = LpProblem("Production_Cost_Minimization", LpMinimize)

# 产量变量：x[i]为第i+1个月的产量，非负
x = [LpVariable(name=f"x{i}", lowBound=0) for i in range(12)]
# 二进制辅助变量：y[i]=1表示第i+1个月有生产，y[i]=0表示无生产
y = [LpVariable(name=f"y{i}", cat='Binary') for i in range(12)]

# 参数定义
manufacturing_time_per_unit = 1/3
cost_of_hour = 12
storage_cost_per_unit = 3
fixed_production_cost = 1000  # 固定成本A
# 修正原材料成本为12个月的数据
cost_of_raw_materials_per_unit = [11, 10, 13, 9, 8, 7,
                                  10, 12, 12, 10, 9, 8]
demand = [150, 200, 100, 300, 200,
          400, 300, 250, 150, 200, 300, 350]
avalaible_hours = [250, 250, 200, 150, 200, 200,
                   150, 200, 250, 150, 150, 200]
# 计算产量上限M：最大可用工时能生产的最大数量
max_possible_production = max(avalaible_hours) / manufacturing_time_per_unit

cost_sum = 0
stored = [100]  # 初始库存

for i in range(1, 13):
    month_idx = i - 1
    # 1. 生产工时约束：当月生产耗时不超过可用工时
    model += manufacturing_time_per_unit * x[month_idx] <= avalaible_hours[month_idx]
    # 2. 需求满足约束：当月产量+上月库存 >= 当月需求
    model += x[month_idx] + stored[-1] >= demand[month_idx]
    # 3. 库存更新：当月库存 = 上月库存 + 当月产量 - 当月需求
    current_storage = stored[-1] + x[month_idx] - demand[month_idx]
    stored.append(current_storage)
    # 4. 库存非负约束（原代码缺失，需补充）
    model += current_storage >= 0
    # 5. 产量与二进制变量的关联约束：有产量则y=1
    model += x[month_idx] <= max_possible_production * y[month_idx]
    
    # 计算当月变动成本：生产工时成本 + 原材料成本 + 库存成本
    production_cost = (manufacturing_time_per_unit * cost_of_hour + cost_of_raw_materials_per_unit[month_idx]) * x[month_idx]
    inventory_cost = storage_cost_per_unit * current_storage
    cost_sum += production_cost + inventory_cost
    # 加上当月固定成本（仅当生产时）
    cost_sum += fixed_production_cost * y[month_idx]

# 设置目标函数
model += cost_sum

# 求解模型
model.solve()

# 输出结果
print("生产计划：")
for var in x:
    print(f"{var.name}: {var.varValue}")
print("\n是否生产：")
for var in y:
    print(f"{var.name}: {var.varValue}")
print(f"\n最小总成本：{model.objective.value()}")

关键说明 #

• 二进制变量y[i]：精准标记生产状态，避免了直接判断Pulp变量的布尔值
• 约束x[i] ≤ M*y[i]：确保逻辑关联的严谨性，M的取值需覆盖所有可能的产量情况，不能过小导致生产上限被错误限制
• 成本计算修正：原代码遗漏了原材料成本和工时成本的乘积，补充后变动成本计算更准确；同时添加了库存非负约束，符合实际生产逻辑

内容的提问来源于stack exchange，提问作者Peter Augerinos