整数规划问题

August 3, 2025 | 数学建模, python | 5 min read

问题重述

某公司计划在 A、B、C 三个城市中选择若干个或多个建设配送中心，向甲、乙、丙、丁四个地区供货。相关数据如下：

建设成本： 城市 A：50 万元，城市 B：60 万元，城市 C：70 万元

运输成本：（元 / 吨，从配送中心到地区）

配送中心	甲地区	乙地区	丙地区	丁地区
A	100	150	200	180
B	120	130	170	160
C	140	160	150	190

需求与产能：

地区需求量：甲地区：200 吨，乙地区：300 吨，丙地区：150 吨，地区：250 吨，且每个配送中心最大产能为 500 吨（若建设）

约束条件

地区的需求必须被完全满足（不能缺货）
若建设城市 B 的配送中心，则必须同时建设城市 A 的（B 依赖 A）
总预算（建设成本 + 运输成本）不超过 300 万元

如何选择配送中心并分配运输量，使总费用（建设 + 运输）最低？

建模与求解

决策变量

x_A, x_B, x_C 表示三地的建设与否，可以抽象为0-1整数规划问题：
- 0：不建X
- 1：建设X
y_ij 表示从i(A,B,C)到j(甲 / 乙 / 丙 / 丁)的运输量(吨)

目标函数

min_z = 50x_A + 60x_B + 70x_C + Σ(运输成本_ij × y_ij ) / 10000

约束条件

需求量约束
- y_A甲 + y_B甲 + y_C甲 = 200
- y_A乙 + y_B乙 + y_C乙 = 300
- y_A丙 + y_B丙 + y_C丙 = 150
- y_A丁 + y_B丁 + y_C丁 = 250
产能约束
AB依赖约束
- x_B <= x_A
总费用约束
- min_z <= 300

scipy.optimize.linprog库仅支持线性规划问题的求解，不支持整数规划问题求解，PuLP官方文档全部支持。

import pulp

#create new problem
prob = pulp.LpProblem("配送中心选址", pulp.LpMinimize)

"""
变量 x_ABC
dict定义三个决策变量
cat参数定义二进制变量
"""
x = {
    'A': pulp.LpVariable('A', cat='Binary'),
    'B': pulp.LpVariable('B', cat='Binary'),
    'C': pulp.LpVariable('C', cat='Binary'),
}

"""
变量 y_ij
使用两层循环构建双字典
"""

regions = ['甲', '乙', '丙', '丁']
factories = ['A', 'B', 'C']

y_ij = {}

for factory in factories:
    #初始化每一个i对应的空字典
    y_ij[factory] = {}

    for region in regions:
        #定义y_ij对应的Lp变量
        y_ij[factory][region] = pulp.LpVariable(
            name=f'y_{factory}{region}',
            lowBound=0, #y_ij>=0
            cat='Continuous'
        )
#建造成本
build_cost = 50 * x['A'] + 60 * x['B'] + 70 * x['C']

#单位运输成本
cost_unit = {
    'A': {'甲': 100, '乙': 150, '丙': 200, '丁': 180},
    'B': {'甲': 120, '乙': 130, '丙': 170, '丁': 160},
    'C': {'甲': 140, '乙': 160, '丙': 150, '丁': 190}
}
#总运输成本
transport_cost = 0
for factory in factories:
    for region in regions:
        transport_cost += cost_unit[factory][region] * y_ij[factory][region]
#/万元
transport_cost /= 10000 

#总费用
prob += build_cost + transport_cost

#总需求
demands = {
    '甲': 200,
    '乙': 300,
    '丙': 150,
    '丁': 250
} 

#总需求量约束
for region in regions:
    prob += y_ij['A'][region] + y_ij['B'][region] + y_ij['C'][region] == demands[region] 

#产能约束
for factory in factories:
    prob += y_ij[factory]['甲'] + y_ij[factory]['乙'] + y_ij[factory]['丙'] + y_ij[factory]['丁'] <= 500 * x[factory]

#AB依赖约束
prob += x['B'] <= x['A']

#总费用约束
prob += build_cost + transport_cost <= 300

#默认CBC求解器 关闭日志输出
status = prob.solve(pulp.PULP_CBC_CMD(msg=0))

print(f"最小总费用：{pulp.value(prob.objective):.2f}万元") #目标函数最优值

print("配送中心建设方案：")
for factory in factories:
    is_built = "是" if x[factory].varValue == 1 else "否"
    print(f"是否建设{factory}：{is_built}")

print("运输量分配（吨）：")
for factory in factories:
    if x[factory].varValue == 1:
        print(f"{factory}配送中心：")
        for region in regions:
            print(f"到{region}地区：{round(y_ij[factory][region].varValue)}吨")

最小总费用：122.85万元
配送中心建设方案：
是否建设A：是
是否建设B：是
是否建设C：否
运输量分配（吨）：
A配送中心：
到甲地区：200吨
到乙地区：0吨
到丙地区：0吨
到丁地区：200吨
B配送中心：
到甲地区：0吨
到乙地区：300吨
到丙地区：150吨
到丁地区：50吨