运筹学模型与方法集
ormm的Python项目详细描述
运筹学模型和方法（ORMM）的灵感来自paula.Jensen的Excel插件。 他的Excel包最近一次更新是在2011年，虽然我相信它们仍然有效 （在大多数情况下），他的作品可能会在以下几个方面过时：
- Excel不是常用于或，除非在安全性属于的设置中 最关心和/或现代语言如Python，R，朱丽亚，C，C++，Matlab，AMPL， 或其他建模软件不可用。在
- 据我所知，微软一直试图逐步淘汰VBA，转而使用Javascript。 如果发生这种情况，这可能会严重影响他的软件包能否正常工作。在
- 而他的网站和软件包仍然可用 here，某些部分无法使用。 这些动画依赖于Flash，而Flash在googlechrome和其他网络中正逐渐被淘汰 浏览器。在
这个python包的目标与pauljensen的网站和 加载项做了，主要是为了
- 作为一个教育工具，展示抽象模型（线性规划，整数规划， 非线性程序等）可以应用于现实生活中解决复杂问题。在
- 通过提供建模框架、解决这些模型的方法来帮助从业者， 以及问题类，这样用户就可以更容易地看到它们是如何构建框架的 从运筹学的角度看他们的商业问题/目标。在
此存储库包含用于分组不同类型或模型和方法的子包。 当前此子包列表包括
- mathprog：数学程序的一个子包，包括线性程序，混合的 整数线性规划，非线性规划，随机规划。注意这个 模型和方法不一定在其抽象中实现的子包 像保罗詹森那样完成了很多任务 比我好得多（Pyomo，PuLP，GLPK等等）。因此，这里的子包 致力于提供许多问题类，展示如何应用这些类 为现实生活中的问题提供一个抽象/具体的模型 一类问题。注意，抽象模型可以基于 唯一的业务问题，可能有更多或更少的约束，或者更复杂 目的最大化/最小化。在
安装
$ pip install ormm
使用
mathprog子包目前有4个问题类，以及 打印已解决的具体模型的解决方案并返回熊猫数据帧 包含敏感度分析的信息。四个问题类是
- 资源配置：优化利用稀缺资源进行有价值的活动。在
- 混合问题：优化原料的混合以满足要求 同时降低成本。在
fromormm.mathprogimportblendingmodel=blending()
- 员工安排：在会议期间尽量减少雇佣的员工数量 每个时期所需的最少工人人数。在
fromormm.mathprogimportschedulingmodel=scheduling(prob_class="employee")
- 租房计划：尽量减少购买计划的成本 在满足单位数量的同时 每个时期都需要。在
fromormm.mathprogimportschedulingmodel=scheduling(prob_class="rental")
有关可选参数、用法和问题描述的更多详细信息，请参阅 documentation。在
开发者环境
使用开发中使用的相同包（用于创建添加/修改）， 您可以使用下面的bash命令来安装dev需求（建议在virtualenv中这样做）。这包括能够运行测试 并添加到文档中。 .. 代码：：控制台
$ pip install -e .[dev]
- 项目
标签：
欢迎加入QQ群-->： 979659372
