Algorithms For Dummies

 

   

  PART 5 

 Challenging Difficult Problems

The PuLP solver can also look for integer solutions, something the original sim-

plex can’t do. Just add 

cat='Integer'

 as a parameter when defining a variable: 

A = pulp.LpVariable('A', lowBound=0, cat='Integer')

, and you get only 

whole numbers as a solution. Be aware that in certain problems, integer number 

results may prove less optimal than the decimal number results; therefore, use an 

integer solution only if it makes sense for your problem (for instance, you can’t 

produce a fraction of a product).

Next, add the objective function by summing the sum of the two variables defined 

by 

pulp.LpVariable

 and representing the ideal quantities of products A and B, 

multiplied by each unit profit value.

model 

+= profit_A * A + profit_B * B

Finally, add the constraints, in exactly the same way as the objective function. You 

create the formulation by using the appropriate values (taken from the data dic-

tionary) and the predefined A and B variables.

model 

+= res['res_1']['A'] * A + res['res_1']['B'

            ] * B <= res['res_1']['t'] * res['res_1']['n']

model 

+= res['res_2']['A'] * A + res['res_2']['B'

            ] * B <= res['res_2']['t'] * res['res_2']['n']

model 

+= res['res_3']['A'] * A + res['res_3']['B'

            ] * B <= res['res_3']['t'] * res['res_3']['n']

FIGURE 19-2: 

Wondering 

which vertex is 

the right one.

---

CHAPTER 19