小编Mar*_*Kre的帖子

我最近一直在使用 Python 进行线性编程，并且我使用 PuLP 创建了我的第一个优化算法。

我正在处理生产过程的调度问题。目标是通过为一天中的每个小时创建一个理想的生产计划，并为一年中的所有天创建这个计划，从而最大限度地降低每天的生产成本。

我遇到的问题是算法的执行需要很长时间（几个小时）并且经常卡住。另外，我感觉随着时间的推移它会变慢。

我希望得到有关如何提高代码性能的建议。

我对这个问题的处理方法：

• 定义我的最小化问题以创建一整天的最佳时间表。
• 循环我的代码以在一年中的所有 365 天运行此优化。
• 在每个循环结束时，我采用当天优化的生产计划并将其附加到数据帧，因此最后我有一个包含一年中所有日子的生产计划的数据帧。

我正在处理 3 个生产资产（'a'、'l' 和 'o'），每个资产都有几种生产模式。我将每个资产模式组合定义为一个“选项”，总共产生 14 个选项。每个选项每小时都在变化，并且有一个整数值（生产量）和一个二进制值（开/关），产生大约 14 x 2 x 24 = 672 个变量。该问题包含大约 1250 个约束。

我的代码有 200 多行，所以我有点犹豫要不要在这里分享所有内容，但我将在下面分享最重要的部分。

定义供应选项：

def set_supplyoptions():
cols = ['option', 'min_capacity', 'max_capacity']
options_list = [{'option':'o', 'min_capacity': 0, 'max_capacity':146},
                {'option':'l30', 'min_capacity': 0, 'max_capacity':30},
                {'option':'l50', 'min_capacity': 31, 'max_capacity':50},
                {'option':'l90', 'min_capacity': 51, 'max_capacity':90},
                {'option':'l150', 'min_capacity': 91, 'max_capacity':150},
                {'option':'l230', 'min_capacity': 151, 'max_capacity':230},
                {'option':'a15', 'min_capacity': 0, 'max_capacity':15},
                {'option':'a30', 'min_capacity': 0, 'max_capacity':30},
                {'option':'a45', 'min_capacity': 0, 'max_capacity':45}, …