如何为Python Pulp最大化问题创建产品配比条件约束？

需求：在最大化利润的整数规划模型中，需添加约束：每选取1个超稀有产品，必须已拥有至少25个同类型普通产品，支持叠加逻辑（如75个普通产品最多对应3个超稀有产品）。由于超稀有产品利润更高，无约束时算法会优先选超稀有产品，原代码中的约束写法存在错误，需修正。

原代码片段：

hwProblem = LpProblem("HotWheels", LpMaximize)

# Variables
jImportsW_blister = LpVariable("HW J-Imports w/ blister", lowBound=20, cat=LpInteger)  # 普通产品
jImportsTH = LpVariable("HW J-Imports treasure hunt", lowBound=None, cat=LpInteger)  # 超稀有产品

# Objective Function
hwProblem += 19 * jImportsW_blister + 350 * jImportsTH  # 每种产品的利润

# Constraints
hwProblem += jImportsW_blister <= 50, "HW J-Imports maximum no. of products"
hwProblem += jImportsTH <= jImportsW_blister / 25
                            # ^此处存在错误

错误原因 #

1. Pulp处理整数规划时，直接使用除法会引入浮点系数，可能导致求解器解析错误或精度问题；
2. 超稀有产品变量jImportsTH的lowBound=None允许负数取值，不符合实际业务逻辑（不能选负数数量的产品）。

正确约束写法 #

将除法转换为整数乘法，保证约束两边均为整数表达式，同时修正超稀有变量的下界为0：

hwProblem = LpProblem("HotWheels", LpMaximize)

# Variables
jImportsW_blister = LpVariable("HW J-Imports w/ blister", lowBound=20, cat=LpInteger)  # 普通产品
jImportsTH = LpVariable("HW J-Imports treasure hunt", lowBound=0, cat=LpInteger)  # 超稀有产品，下界设为0

# Objective Function
hwProblem += 19 * jImportsW_blister + 350 * jImportsTH  # 每种产品的利润

# Constraints
hwProblem += jImportsW_blister <= 50, "HW J-Imports maximum no. of products"
# 核心约束：超稀有产品数量×25 ≤ 普通产品数量，满足每1个超稀有对应至少25个普通的要求
hwProblem += 25 * jImportsTH <= jImportsW_blister, "Super rare to regular product ratio constraint"

逻辑说明 #

转换后的约束25 * jImportsTH <= jImportsW_blister直接对应业务规则：

• 若选3个超稀有产品，则普通产品数量至少为75（但原约束中普通产品上限为50，此时最多只能选2个超稀有产品，因为25×2=50刚好等于普通产品上限）；
• 该约束完全适配叠加逻辑，且所有表达式均为整数运算，符合Pulp整数规划的求解要求。

内容的提问来源于stack exchange，提问作者Paul C