将AMPL饮食规划模型转换为OR-Tools代码，解决变量与约束编写问题

你当前的Buy变量定义不符合AMPL模型逻辑，硬编码了上下界为0和1000，没有使用模型定义的f_min、f_max参数，修正如下：

• 如果购买量是整数（比如按整份、整单位采购），保留IntVar：

Buy = {}
for f_ in FOOD:
    Buy[f_] = solver.IntVar(f_min[f_], f_max[f_], f'Buy[{f_}]')

• 如果购买量是连续数值（比如可以买1.5千克），替换为NumVar：

Buy = {}
for f_ in FOOD:
    Buy[f_] = solver.NumVar(f_min[f_], f_max[f_], f'Buy[{f_}]')

你当前的约束写了两层循环逻辑错误，不需要遍历食物j，只需要对每个营养i，计算所有食物对应的营养摄入总和，再限制总和在n_min[i]和n_max[i]区间内即可，修正如下：

##  约束定义
for i in NUTR:
    # 计算当前营养i的总摄入量
    total_nutr = solver.Sum(amt[i, j] * Buy[j] for j in FOOD)
    # 同时限制上下界，匹配AMPL的Diet约束
    solver.Add(total_nutr >= n_min[i])
    solver.Add(total_nutr <= n_max[i])

from ortools.linear_solver import pywraplp

# 这里先初始化求解器，根据你的需求选择求解器后端，线性规划用GLOP，整数规划用CBC
solver = pywraplp.Solver.CreateSolver('CBC') # 如果是连续变量就换成'GLOP'

# ------------ 以下是你的参数定义部分（需要你提前赋值NUTR、FOOD、cost、f_min、f_max、n_min、n_max、amt） ------------
# NUTR = 你的营养集合
# FOOD = 你的食物集合
# cost = {food: 成本值}
# f_min = {food: 最小购买量}
# f_max = {food: 最大购买量}
# n_min = {nutr: 营养最低摄入}
# n_max = {nutr: 营养最高摄入}
# amt = {(nutr, food): 单位食物的营养含量}

# ------------ 变量定义 ------------
Buy = {}
for f_ in FOOD:
    # 连续变量用NumVar，整数变量用IntVar
    Buy[f_] = solver.IntVar(f_min[f_], f_max[f_], f'Buy[{f_}]')

# ------------ 目标函数 ------------
Total_Cost = solver.Sum([cost[j_] * Buy[j_] for j_ in FOOD])
solver.Minimize(Total_Cost)

# ------------ 约束定义 ------------
for i in NUTR:
    total_nutr = solver.Sum(amt[i, j] * Buy[j] for j in FOOD)
    solver.Add(total_nutr >= n_min[i])
    solver.Add(total_nutr <= n_max[i])

# ------------ 求解 ------------
status = solver.Solve()
if status == solver.OPTIMAL:
    print('最优解找到：')
    for f_ in FOOD:
        print(f'购买{f_}: {Buy[f_].solution_value()} 单位')
    print(f'总成本: {solver.Objective().Value()}')
else:
    print('没有找到可行解')

内容的提问来源于stack exchange，提问作者user903772