小编Gal*_*lgo的帖子

我试图找到可以最大化我的总和值的最佳组合，但它必须在 2 个特定约束下，因此我假设线性规划将是最合适的。

问题是这样的：一些教育世界事件希望聚集世界上最聪明的青少年学生。每个州都对 10 万名学生进行了以下考试：“数学”、“英语”、“计算机”、“历史”、“物理”……并且在每次考试中都获得了 0-100 分。

每个州都被要求从经过测试的 100K 学生中发送他们最好的 10K 参加此次活动。

您作为法国代表，被要求从您所在国家/地区的 10 万名学生中选出前 1 万名学生。为此，您需要优化它们的 MAX VALUE 以获得最佳的 TOTAL SCORE。

但是有两个主要限制：

1- 从总共 10K 选择的学生中，您需要分配特定的学生，这些学生将仅在上述 5 个科目中的 1 个特定科目上进行测试。所需的分配是： ['MATH': 4000, 'ENGLISH':3000,'COMPUTERS':2000, 'HISTORY':750,'PHYSICS':250]

2- 每个“考试科目”的分数必须有不同的权重。对于 exp：97 是数学在历史上的价值超过 97。wheights 是：['数学'：1.9，'英文'：1.7，'计算机'：1.5，'历史'：1.3，'物理'：1.1]

我的解决方案： 我尝试使用 PULP (python) 作为 LP 库并正确解决了它，但运行时间超过 2 小时。 你能找到更好（更快、更简单……）的方法来解决它吗？ 有一些 NUMPY LP 函数可以用来代替，也许会更快？它应该是一个简单的优化问题，因为我让它变得太慢和复杂。 -- 解决方案只需要在 Python 中

例如，让我们小规模地看一下同一问题：有 30 名学生，您只需要选择 15 名学生，这将为我们提供与以下学科分配需求相关的最佳组合。所需的分配是- ['数学'：5，'英文'：4，'计算机'：3，'历史'：2，'物理'：1]

这是所有 30 名学生及其成绩：

运行算法后，输出解决方案将是：

这是我原始问题的完整代码（10 万名学生）：

import pandas as pd
import numpy as …