质量与投资双约束下货运利润最大化的求解算法咨询

问题属性判定 #

• 该问题完全属于数学优化范畴，具体是经典的二维有界整数背包问题，属于线性组合优化的典型场景，已有非常成熟的求解方案。

可用求解算法 #

针对你的业务场景，两类方案都可以直接使用：

• 若商品品类在50种以内、采购上限和约束阈值都不大，可以直接用动态规划求解，时间复杂度为O(商品数*最大载重*最大投资金额)，运算速度足够满足业务需求。
• 若商品品类多、约束阈值大，更推荐用现成的整数规划求解器，比你提到的mystic库更适配这类线性优化场景，配置门槛低、求解效率高。

Python实现参考（用PuLP库，开箱即用） #

PuLP是Python生态中专门用来求解线性整数规划问题的轻量库，不需要复杂的参数配置就能直接适配你的需求：

1. 先安装依赖

pip install pulp

2. 适配业务的代码示例

import pulp

# 业务参数定义，可直接替换为你的实际数据
# 每个商品的属性：名称、采购价、售价、单位质量、最大可采购量
goods_list = [
    {"name": "商品A", "buy_price": 10, "sell_price": 18, "unit_weight": 2, "max_purchase": 100},
    {"name": "商品B", "buy_price": 15, "sell_price": 28, "unit_weight": 3, "max_purchase": 80},
    # 可继续添加更多商品
]
truck_max_weight = 1000  # 卡车最大载重上限
total_invest_limit = 5000  # 采购总投资金额上限

# 初始化优化问题，目标为最大化利润
problem = pulp.LpProblem("FreightProfitMaximization", pulp.LpMaximize)

# 定义决策变量：每个商品的采购数量，为非负整数，上限为对应商品的最大可采购量
purchase_qty = [
    pulp.LpVariable(f"qty_{good['name']}", lowBound=0, upBound=good["max_purchase"], cat="Integer")
    for good in goods_list
]

# 添加目标函数：总利润 = 所有商品的(售价-采购价)*采购量之和
problem += pulp.lpSum([
    purchase_qty[i] * (goods_list[i]["sell_price"] - goods_list[i]["buy_price"])
    for i in range(len(goods_list))
])

# 添加约束条件
# 约束1：所有商品总重量不超过卡车最大载重
problem += pulp.lpSum([
    purchase_qty[i] * goods_list[i]["unit_weight"]
    for i in range(len(goods_list))
]) <= truck_max_weight, "WeightLimit"

# 约束2：所有商品总采购金额不超过投资上限
problem += pulp.lpSum([
    purchase_qty[i] * goods_list[i]["buy_price"]
    for i in range(len(goods_list))
]) <= total_invest_limit, "InvestLimit"

# 执行求解（关闭日志输出，有调试需求可以去掉msg参数）
problem.solve(pulp.PULP_CBC_CMD(msg=False))

# 输出结果
print("=== 最优采购方案 ===")
total_profit = 0
total_weight_used = 0
total_invest_used = 0
for idx, good in enumerate(goods_list):
    qty = int(purchase_qty[idx].value())
    if qty <= 0:
        continue
    good_profit = qty * (good["sell_price"] - good["buy_price"])
    good_weight = qty * good["unit_weight"]
    good_invest = qty * good["buy_price"]
    print(f"{good['name']}: 采购{qty}件 | 贡献利润{good_profit}元 | 占用载重{good_weight} | 占用资金{good_invest}元")
    total_profit += good_profit
    total_weight_used += good_weight
    total_invest_used += good_invest

print(f"\n=== 总计 ===")
print(f"总利润：{total_profit}元")
print(f"总载重使用：{total_weight_used}/{truck_max_weight}")
print(f"总投资使用：{total_invest_used}/{total_invest_limit}")

关于mystic库的说明 #

mystic更适合非线性、黑盒类的优化场景，你的需求是纯线性整数优化，不需要用到mystic，用PuLP或者Google OR-Tools这类专门的线性规划求解器效率更高，也不需要额外配置复杂的优化参数。

内容的提问来源于stack exchange，提问作者Jordan