PuLP 中文导航¶

原文: PuLP - Linear Programming in Python
分类: 运筹优化
大小: 29 MB
语言: Python

📚 仓库简介¶

PuLP 是一个用 Python 编写的线性规划建模库，可以方便地定义和求解线性规划 (LP) 和整数规划 (MIP) 问题。它支持多种求解器后端，包括 CBC (默认)、GLPK、CPLEX、Gurobi 等。

GitHub: https://github.com/coin-or/pulp

🔧 核心功能¶

功能	描述	特点
线性规划建模	Pythonic 的建模语法	简洁易读
整数规划	支持 0-1 和整数变量	组合优化
多求解器支持	CBC/GLPK/CPLEX/Gurobi	灵活选择
问题导入	支持 MPS/LP 格式	兼容标准格式
求解器链	自动尝试多个求解器	提高成功率

📁 目录结构¶

pulp/
├── examples/              # 示例代码
│   ├── test1.py          # 简单示例
│   ├── test2.py          # 整数规划
│   ├── test3.py          # 运输问题
│   └── ...               # 更多示例
├── pulp/                  # 核心库
│   ├── apis/             # 求解器接口
│   ├── constants.py      # 常量定义
│   ├── pulp.py           # 主模块
│   └── sparse.py         # 稀疏矩阵
├── tests/                 # 测试用例
├── requirements.txt       # 依赖
└── README.md              # 主文档

🚀 快速开始¶

安装¶

# 安装 PuLP (包含 CBC 求解器)
pip install pulp

# 验证安装
python -c "import pulp; print(pulp.pulpTestAll())"

第一个示例：简单线性规划¶

import pulp

# 创建问题
prob = pulp.LpProblem("生产优化", pulp.LpMaximize)

# 创建决策变量
x = pulp.LpVariable('产品 A', lowBound=0, cat='Continuous')
y = pulp.LpVariable('产品 B', lowBound=0, cat='Continuous')

# 目标函数：最大化利润
prob += 3*x + 2*y, "总利润"

# 约束条件
prob += x + 2*y <= 14, "资源 1 限制"
prob += 3*x - y >= 0, "技术要求"
prob += x - y <= 2, "市场约束"

# 求解
prob.solve()

# 输出结果
print(f"状态：{pulp.LpStatus[prob.status]}")
print(f"生产产品 A: {x.var_value}")
print(f"生产产品 B: {y.var_value}")
print(f"最大利润：{pulp.value(prob.objective)}")

整数规划示例¶

import pulp

# 0-1 整数规划
prob = pulp.LpProblem("背包问题", pulp.LpMaximize)

# 决策变量：是否选择物品 i
items = ['A', 'B', 'C', 'D']
values = [10, 20, 30, 40]  # 价值
weights = [2, 3, 5, 7]     # 重量
capacity = 8               # 容量限制

x = pulp.LpVariable.dicts('选择', items, cat='Binary')

# 目标：最大化总价值
prob += pulp.lpSum([values[i]*x[items[i]] for i in range(len(items))])

# 约束：总重量不超过容量
prob += pulp.lpSum([weights[i]*x[items[i]] for i in range(len(items))]) <= capacity

prob.solve()

print("选择的物品:")
for item in items:
    if pulp.value(x[item]) > 0.5:
        print(f"  - {item}")

运行示例¶

cd /workspace/code-examples/pulp
python examples/test1.py
python examples/test2.py

📖 关键文档¶

文档	链接	说明
官方文档	pythonhosted.org/PuLP	完整 API
示例代码	examples/	50+ 示例
求解器指南	docs/solvers.md	求解器配置

💡 典型应用场景¶

1. 生产计划¶

# 多产品、多机器、多时期的生产优化
# 最小化成本或最大化利润

2. 运输问题¶

# 多供应点、多需求点的物流优化
# 最小化运输成本

3. 排班问题¶

# 员工排班优化
# 满足技能需求和劳动法约束

4. 投资组合¶

# 资产配置优化
# 最大化收益，控制风险

🎓 学习路径¶

1. 线性规划基础 → examples/test1.py
2. 整数规划入门 → examples/test2.py
3. 运输问题 → examples/test3.py
4. 实际项目 → 参考 docs/ 中的案例

📊 求解器对比¶

求解器	类型	速度	适用问题	PuLP 支持
CBC	开源	中等	MIP	✅ 默认
GLPK	开源	较慢	LP/MIP	✅ 支持
CPLEX	商业	很快	LP/MIP/QP	✅ 支持
Gurobi	商业	最快	LP/MIP/QP	✅ 支持
SCIP	学术	快	MIP	✅ 支持

🔗 相关资源¶

🛠️ 常见问题¶

Q1: 如何安装商业求解器？¶

# Gurobi (需要许可证)
pip install gurobipy

# CPLEX (需要许可证)
pip install cplex

Q2: 如何选择求解器？¶

# 使用 Gurobi
prob.solve(pulp.GUROBI())

# 使用 CPLEX
prob.solve(pulp.CPLEX())

# 使用 CBC (默认)
prob.solve()

Q3: 如何处理大规模问题？¶

使用商业求解器 (Gurobi/CPLEX)
利用问题结构 (分解、启发式)
增加计算资源 (并行、分布式)

本地路径: /workspace/code-examples/pulp/
创建时间: 2026-06-01
难度: ⭐⭐ (入门级)

**PuLP 中文导航 | 线性规划建模利器** [返回代码索引](../../README_UPDATED.md) | [决策科学资源](../../docs/resources/decision-science-comprehensive-resources.md)