饮食
＃！/ usr / bin / env python3.7＃版权所有2021，guro狗万app足彩bi优化，llc＃解决经典饮食模型，展示如何将约束＃添加到现有模型。从Gurobipy导入Gurobipy导入Gurobipy导入Grb＃营养指南，基于#USDA饮食指南为美国人，2005＃http：//www.health.gov/dietaryguidelines/dga2005/分类，minnuritition，maxnutrition = gp.multidict（{'卡路里'：[1800,2200]，'蛋白'：[91，grb.invinity]，'脂肪'：[0,65]，'钠'：[0,1779]}）食物，成本= GP.Multidict（{'汉堡包'：2.49，'鸡'：2.89，'热狗'：1.50，'薯条'：1.89，'Macaroni'：2.09，'披萨'：1.99，'沙拉'：2.49，'牛奶'：0.89，'冰淇淋'：1.59}）＃食品的营养价值营养价值= {（'汉堡包，'卡路里'）：410，（'汉堡包'，'蛋白'）：24，（'汉堡包'，'FAT'）：26，（'汉堡包'，'钠'）：730，（'鸡'，'卡路里'）：420，（'鸡'，'蛋白'）：32，（'鸡'，'脂肪'）：10，（'鸡'，'钠'）：1190，（'热狗'，'卡路里'）：560，（'热狗'，'蛋白'）：20，（'热狗'，'FAT'）：32，（'热狗'，'钠'）：1800，（'薯条'，'卡路里'）：380，（'薯条'，'蛋白'）：4，（'炸薯条'，'胖'）：19，（'Fries'，'钠'）：270，（'Macaroni'，'卡路里'）：320，（'Macaroni'，'蛋白'）：12，（'Macaroni'，'Fat'）：10，（'Macaroni'，'钠'）：930，（'披萨'，'卡路里'）：320，（'披萨'，'蛋白'）：15，（'披萨'，'FAT'）：12，（'披萨'，'钠'）：820，（'沙拉'，'卡路里'）：320，（'沙拉'，'蛋白'）：31，（'沙拉'，'脂肪'）：12，（'沙拉'，'钠'）：1230，（'牛奶'，'卡路里'）：100，（'牛奶'，'蛋白'）：8，（'牛奶'，'脂肪'）：2.5，（'牛奶'，'钠'）：125，（'冰淇淋'，'卡路里'）：330，（'冰淇淋'，'蛋白'）：8，（'冰淇淋'，'脂肪'）：10，（'冰淇淋'，'钠'）：180}＃型号m = gp。型号（“饮食”）＃为购买购买的食物= M.addvars（Foods，Name =“购买”）＃您可以使用Python循环构造和M.addvar（）来创建＃这些决策变量。 The following would be equivalent # # buy = {} # for f in foods: # buy[f] = m.addVar(name=f) # The objective is to minimize the costs m.setObjective(buy.prod(cost), GRB.MINIMIZE) # Using looping constructs, the preceding statement would be: # # m.setObjective(sum(buy[f]*cost[f] for f in foods), GRB.MINIMIZE) # Nutrition constraints m.addConstrs((gp.quicksum(nutritionValues[f, c] * buy[f] for f in foods) == [minNutrition[c], maxNutrition[c]] for c in categories), "_") # Using looping constructs, the preceding statement would be: # # for c in categories: # m.addRange(sum(nutritionValues[f, c] * buy[f] for f in foods), # minNutrition[c], maxNutrition[c], c) def printSolution(): if m.status == GRB.OPTIMAL: print('\nCost: %g' % m.objVal) print('\nBuy:') for f in foods: if buy[f].x > 0.0001: print('%s %g' % (f, buy[f].x)) else: print('No solution') # Solve m.optimize() printSolution() print('\nAdding constraint: at most 6 servings of dairy') m.addConstr(buy.sum(['milk', 'ice cream']) <= 6, "limit_dairy") # Solve m.optimize() printSolution()
