带非线性约束的食物能量最大化混合整数优化Python求解求助
问题求解方案
核心误区修正
你原来的平均卡路里约束无需使用非线性建模,可直接转化为线性约束,适配PuLP等常规整数线性规划求解器:
平均卡路里约束的原始表达式为:总卡路里 / 选中食物总份数 ≤ N
其中选中食物总份数就是所有0-1变量X(m,i)的和(每个X取1代表选中对应食物,求和结果就是选中的食物总数,恒为非负值),不等式两边乘以分母后不等号方向不变,整理可得纯线性约束:Σ( (c(m,i) - N) * X(m,i) ) ≤ 0
转化后整个问题退化为普通0-1整数线性规划,不存在非线性约束,可直接用PuLP求解。
Python实现代码
首先安装依赖:
pip install pulp
对应你的示例数据的实现代码:
import pulp # 配置参数:可自行修改平均卡路里上限N N = 250 # 示例数据:格式为 (宏量营养素分类, 食物名称, 卡路里, 能量) food_data = [ ("蛋白质", "鱼", 100, 60), ("蛋白质", "羊肉", 200, 40), ("蛋白质", "鸡蛋", 200, 38), ("碳水化合物", "香蕉", 200, 25), ("碳水化合物", "土豆", 200, 30), ("碳水化合物", "大米", 200, 40), ("脂肪", "牛油果", 450, 50), ("脂肪", "奶酪", 400, 60), ("脂肪", "奶油", 500, 55), ] # 初始化问题:最大化总能量 prob = pulp.LpProblem("MaxEnergyProblem", pulp.LpMaximize) # 定义0-1变量 x = pulp.LpVariable.dicts("x", food_data, lowBound=0, upBound=1, cat="Binary") # 目标函数:最大化总能量 prob += pulp.lpSum([food[3] * x[food] for food in food_data]) # 约束1:每类宏量营养素最多选1种 macro_groups = {} for food in food_data: macro = food[0] if macro not in macro_groups: macro_groups[macro] = [] macro_groups[macro].append(food) for macro, foods in macro_groups.items(): prob += pulp.lpSum([x[food] for food in foods]) <= 1, f"MacroSelect_{macro}" # 约束2:平均卡路里不超过N(已线性化) prob += pulp.lpSum([(food[2] - N) * x[food] for food in food_data]) <= 0, "AvgCalorieLimit" # 求解 prob.solve(pulp.PULP_CBC_CMD(msg=False)) # 输出结果 print("求解状态:", pulp.LpStatus[prob.status]) selected = [food for food in food_data if pulp.value(x[food]) == 1] print("选中的食物:") for food in selected: print(f"- {food[0]}: {food[1]},卡路里{food[2]},能量{food[3]}") total_cal = sum(f[2] for f in selected) total_energy = sum(f[3] for f in selected) print(f"总卡路里: {total_cal},平均卡路里: {total_cal/len(selected):.2f},总能量: {total_energy}")
输出示例(N=250时)
求解状态: Optimal 选中的食物: - 蛋白质: 鱼,卡路里100,能量60 - 碳水化合物: 大米,卡路里200,能量40 - 脂肪: 奶酪,卡路里400,能量60 总卡路里: 700,平均卡路里: 233.33,总能量: 160
内容的提问来源于stack exchange,提问作者DPN
相关产品推荐
相关产品推荐

