线性规划约束疑问：能否混用不同计量单位构建约束？

别担心，新手问题完全值得探讨！这是个很实际的问题，我来一步步给你解释清楚。

核心结论 #

线性规划的约束完全允许混用不同计量单位，不需要强制把所有单位统一转换，只要满足一个关键条件：单个约束内部的单位必须保持一致。

具体解释 #

每个约束都是独立的数学不等式，各自对应不同的物理/评价指标，不同约束之间的单位没有关联，只要每个约束里的计算逻辑自洽即可：

• 比如你的卡路里约束：左边是「食材数量 × 每单位食材的卡路里」，结果的单位是卡路里；右边的47.0也是卡路里，两者单位匹配，这个约束是合理的。不管卡路里具体是千卡还是大卡，只要所有食材的卡路里参数和约束阈值用的是同一个标准，就完全没问题。
• 脂肪约束：左边计算结果是克，右边阈值3.0也是克，单位一致，没问题。
• 钙约束：左边是毫克，右边24毫克，单位匹配，正确。
• Good指标约束：左边是「食材数量 × 每单位食材的good百分比」，结果是总餐食的good百分比，右边45%是对应的要求，只要这个阈值和参数的百分比定义统一（比如都是单份食材的占比），就完全合理。

需要注意的关键点 #

• 绝对不能在同一个约束里混用单位：比如如果某个约束左边计算结果是克，右边阈值写成毫克，那这个约束的逻辑就完全错误了，这时候才需要转换单位（比如把克转成毫克，或者反过来）。
• 对于你提到的「卡路里定义未知」的问题，只要所有食材的卡路里参数和约束阈值用的是同一套定义（比如都是大卡，或者都是千卡），就不影响模型的正确性——你不需要知道它的物理定义，只要保证数据的一致性就行。

对你的代码示例的验证 #

你的约束代码是完全合理的，每个约束内部的单位都保持了一致：

prob += lpSum([calories[f] * aliments_vars[f] for f in aliments]) >= 47.0, "caloriesMinIn?"
prob += lpSum([fat[f] * aliments_vars[f] for f in aliments]) >= 3.0, "fatMinIngrammes"
prob += lpSum([calcium[f] * aliments_vars[f] for f in aliments]) >= 24, "calciumMinInmilligrammes"
prob += lpSum([good[f] * aliments_vars[f] for f in aliments]) >= 45, "goodMinInPercent"

每个约束的左侧计算结果和右侧阈值的单位都匹配，完全符合线性规划的要求。

内容的提问来源于stack exchange，提问作者harmonius cool