Python Pulp新手遇TypeError：int与LpVariable不支持**或pow运算

错误根源 #

你遇到的TypeError是因为代码中使用了1**A1这类表达式——Pulp的LpVariable对象不支持与整数进行幂运算操作，这完全不符合线性规划的语法规范。

从约束命名来看，你应该是想实现同一分组内最多选择一个选项的逻辑（比如A组的A1、A2只能二选一或都不选），但用错了约束写法。

修正方案 #

1. 调整变量类型（可选但更规范） #

你的变量用于表示“是否选择某个选项”，应该使用LpBinary类型（只能取0或1），而非LpInteger，这样更贴合业务逻辑，也能避免变量取大于1的整数值。

2. 替换错误的约束表达式 #

把所有1**变量的写法替换为变量直接相加，通过限制同一组变量之和≤1，就能保证同一组最多选一个选项。

修正后的完整代码 #

from pulp import *

problem = LpProblem('CASA Optimization', LpMaximize)

# 改用LpBinary类型表示选/不选状态
A1 = LpVariable('Option A1', lowBound=0, cat=LpBinary)
A2 = LpVariable('Option A2', lowBound=0, cat=LpBinary)
B1 = LpVariable('Option B1', lowBound=0, cat=LpBinary)
C1 = LpVariable('Option C1', lowBound=0, cat=LpBinary)
C2 = LpVariable('Option C2', lowBound=0, cat=LpBinary)
D1 = LpVariable('Option D1', lowBound=0, cat=LpBinary)
D2 = LpVariable('Option D2', lowBound=0, cat=LpBinary)
E1 = LpVariable('Option E1', lowBound=0, cat=LpBinary)
E2 = LpVariable('Option E2', lowBound=0, cat=LpBinary)

problem += 15*A1 + 18*A2 + 9.6*B1 + 9.5*C1 + 17*C2 + 1*D1 + 1.5*D2 + 0.9*E1 + 0.6*E2 , 'Objective Function'

#Constraints
problem += 100*A1 + 130*A2 + 80*B1 + 80*C1 + 130*C2 + 10*D1 + 20*D2 + 8*E1 + 5*E2 <= 200 , 'Total Fund Constrain'
# 替换错误的幂运算约束，改为变量和≤1实现分组选择限制
problem += A1 + A2 <= 1, 'Group A Selection Constrain'
problem += B1 <= 1, 'Group B Selection Constrain'
problem += C1 + C2 <= 1, 'Group C Selection Constrain'
problem += D1 + D2 <= 1, 'Group D Selection Constrain'
problem += E1 + E2 <= 1, 'Group E Selection Constrain'

problem.solve()
print("A1 value: ", A1.varValue)
print("A2 value: ", A2.varValue)
print("B1 value: ", B1.varValue)
print("C1 value: ", C1.varValue)
print("C2 value: ", C2.varValue)
print("D1 value: ", D1.varValue)
print("D2 value: ", D2.varValue)
print("E1 value: ", E1.varValue)
print("E2 value: ", E2.varValue)

额外说明 #

线性规划中只能使用线性表达式（变量的一次项组合），幂运算、变量间乘法这类非线性操作都是不被支持的，这也是Pulp报错的核心原因。如果你的业务逻辑允许同一组选多个选项，只需保留变量为LpInteger，但依然要去掉幂运算的错误写法，换成符合线性规划规则的表达式。

内容的提问来源于stack exchange，提问作者Sophia Nguyen