En una publicación anterior sobre el módulo de ortoolas de Google en Python, resolví el problema de optimización lineal que se indica a continuación:

El código escrito en mi publicación anterior se puede reducir a menos líneas de código, lo que resulta en un código ajustado. En esta publicación, compartiré una versión más reducida de mi ortools-script anterior.

Nuevamente, empiezo importando pywraplp desde ortools.linear_solver:

from ortools.linear_solver import pywraplp

A continuación, creo una instancia de solucionador (usando el solucionador GLOP) y almaceno su referencia a un controlador de referencia:

solver = pywraplp.Solver.CreateSolver('linear_programming_examples', 'GLOP')

Ahora tengo que declarar variables de optimización relevantes. En este ejemplo, las variables de optimización son x, y y z:

# declarar la variable x, con límite inferior 0 y sin límite superior
x = solver.NumVar(0, solver.infinity(), "x")
# declarar variable y, con límite inferior 0 y sin límite superior
y = solver.NumVar(0, solver.infinity(), "y")
# # declarar la variable z, con límite inferior 0 y sin límite superiorvariable z, with lower bound 0 and no upper bound
z = solver.NumVar(0, solver.infinity(), "z")

Ahora puedo modelar el problema especificando las funciones objetivo y todas las restricciones relevantes. En las siguientes líneas de código, esto se realiza de una manera muy sencilla:

# declarar como máx. problema y definir la función objetivo
solver.Maximize(x+2*y+3*z)
# agregar restricciones
solver.Add(2*x+y+z <= 20)
solver.Add(x+y+z <= 15)
solver.Add(x-y-z >= 0)

<ortools.linear_solver.pywraplp.Constraint; proxy of <Swig Object of type 'operations_research::MPConstraint *' at 0x000001B9AEC956C0> >

El modelo ahora está completo y se puede resolver:

solver.Solve ()

La solución óptima para x se muestra a continuación:

print("x_opt: ", x.solution_value())

x_opt:  6.666666666666667

La solución óptima para y se muestra a continuación:

print("y_opt: ", y.solution_value())

y_opt:  0.0

La solución óptima para z se muestra a continuación:

print("z_opt: ", z.solution_value())

z_opt:  6.666666666666667

El valor óptimo de la función objetivo se calcula a continuación:

print("optimal value: " + str(x.solution_value()+2*y.solution_value()+3*z.solution_value()))

optimal value: 26.666666666666668

Linnart Felkl

Ingeniero industrial especializado en optimización y simulación (R, Python, SQL, VBA)