Scipy Minimize建模报错求助：双门店周需求分配线性约束问题

问题背景 #

• 两家门店，已知某产品全年52周总需求，需将年度需求分配到两家门店，确定各门店每周供应量
• 目标：最小化全年未满足的总需求
• 变量：前52个变量为门店1周供应量，后52个为门店2周供应量
• 目标函数：每周未满足需求之和（即Σmax(0, 当周总需求 - 门店1供应量 - 门店2供应量)）
• 约束1：每周两家门店供应量之和 ≤ 当周总需求

代码中的错误分析 #

1. 变量名不一致：定义了weeks = 52，但循环创建约束时用了未定义的semanas，会触发NameError
2. Lambda闭包陷阱：循环中创建的lambda函数会共享同一个i变量，最终所有约束都会使用循环最后一次的i值（51），导致约束逻辑完全错误
3. 目标函数逻辑错误：当前直接计算total[i] - x[i] - x[i+52]的总和，当供应量超过需求时会得到负数，这与“未满足需求”的定义矛盾（未满足需求不能为负）
4. 初始值不合理：x0设为固定值10000，若每周需求小于该值，初始点会直接违反约束，导致优化算法无法正常启动

修正后的代码 #

import numpy as np
import pandas as pd
from scipy.optimize import minimize

weeks = 52
stores = 2

# 目标函数：最小化全年未满足总需求（仅计算非负部分）
def objetivo(x, week, total):
    total_sum = 0.0
    for i in range(week):
        unmet = total[i] - x[i] - x[i + weeks]
        # 未满足需求不能为负，取max(0, unmet)
        total_sum += max(0.0, unmet)
    return total_sum

# 变量边界：供应量非负
b = (0.0, None)
limites = b * (weeks * stores)

# 初始值：按每周需求平均分配到两家门店，避免违反约束
x0 = []
for demand in uc['total'].values:
    x0.append(demand / 2)  # 门店1初始供应量
    x0.append(demand / 2)  # 门店2初始供应量
x0 = np.array(x0)

# 创建约束：使用闭包固定每个约束的i值
restricciones = []
for i in range(weeks):
    # 使用lambda的默认参数绑定当前i的值，避免闭包陷阱
    restricciones.append({
        'type': 'ineq',
        'fun': lambda x, i=i: uc['total'].values[i] - x[i] - x[i + weeks]
    })

# 执行优化
solucion = minimize(
    objetivo,
    x0,
    method='SLSQP',
    args=(weeks, uc['total'].values),
    bounds=limites,
    constraints=restricciones
)

# 输出结果
print(solucion)

关键修正说明 #

• 统一变量名：用weeks替代未定义的semanas，消除命名错误
• 解决闭包问题：给lambda添加默认参数i=i，绑定循环时的当前i值，确保每个约束对应正确的周数
• 修复目标函数：添加max(0.0, unmet)，保证未满足需求非负，贴合实际业务逻辑
• 优化初始值：按每周需求平均分配到两家门店，确保初始点满足约束，让算法能正常启动

内容的提问来源于stack exchange，提问作者jean