pulpを用いたシフト作成について

前提・実現したいこと

pulpを用いてシフトの作成を行いたいと思っています.
以下のデータを用いて, アルバイトの希望出勤日数と実際の出勤日数の差を最小とする目的関数を作成したいです.

#日付の一覧
day = pd.date_range("2019-12-01", "2019-12-07")

#アルバイトの集合
n_member = 10
member = pd.Series(f"member{i+1}" for i in range(n_member))

#シフトの一覧
shift = (["9:00-14:00", "14:00-19:00", "19:00-23:00", "休み"])

#希望出勤日
kibou = pd.DataFrame([[1, 1, 1, 1, 1, 0, 0],
                      [1, 1, 1, 0, 0, 0, 1],
                      [0, 0, 0, 0, 0, 1, 1],
                      [0, 1, 1, 1, 1, 1, 0],
                      [1, 1, 1, 1, 1, 1, 1],
                      [1, 1, 1, 1, 1, 1, 1],
                      [1, 1, 1, 0, 0, 0, 0],
                      [0, 0, 0, 0, 1, 1, 1],
                      [0, 1, 1, 1, 1, 1, 0],
                      [1, 1, 1, 0, 1, 0, 0]],
                     index=member,
                     columns=day)

以下のようプログラムを作成したのですが, エラーが起きてしまいます.

python
1#モデルの作成
2prob = LpProblem(sense=LpMinimize)
3
4#変数
5x = [[[LpVariable(f"x{m}{d}{t}", cat=LpBinary)for t in shift]
6     for d in day]for m in member]
7
8#目的関数
9obj = 0
10for m in range(member.size):
11        #希望出勤日数
12        ks = kibou.sum(axis=1)
13        #実際に働いた日数
14        actual = lpSum(x[m][j] for j in range(day.size))
15        #希望出勤日数と実際に働いた日数の差
16        obj = ks - actual
17        #(制約1)実際に働いた日数が希望出勤日数を超えない制約
18        prob += actual <= ks
19prob += obj

TypeError: Can only add LpConstraintVar, LpConstraint, LpAffineExpression or True objects

どのようにモデルの作成を行えばいいか教えていただきたいです.

行動規範の内容に同意します

回答1件

ベストアンサー

ks = kibou.sum(axis=1) ですと、変数 ks は Series オブジェクトになっており、整数ではありません。
ks = kibou.iloc[m].sum() として、各メンバーごとに希望出勤日数の合計を計算するべきではないでしょうか。

コード

python
1import pandas as pd
2from pulp import LpBinary, LpMinimize, LpProblem, LpVariable, lpSum
3
4# 日付の一覧
5day = pd.date_range("2019-12-01", "2019-12-07")
6
7# アルバイトの一覧
8n_member = 10
9members = pd.Series(f"member{i + 1}" for i in range(n_member))
10
11# シフトの一覧
12shift = ["9:00-14:00", "14:00-19:00", "19:00-23:00", "休み"]
13
14# 希望出勤日
15kibou = pd.DataFrame(
16    [
17        [1, 1, 1, 1, 1, 0, 0],
18        [1, 1, 1, 0, 0, 0, 1],
19        [0, 0, 0, 0, 0, 1, 1],
20        [0, 1, 1, 1, 1, 1, 0],
21        [1, 1, 1, 1, 1, 1, 1],
22        [1, 1, 1, 1, 1, 1, 1],
23        [1, 1, 1, 0, 0, 0, 0],
24        [0, 0, 0, 0, 1, 1, 1],
25        [0, 1, 1, 1, 1, 1, 0],
26        [1, 1, 1, 0, 1, 0, 0],
27    ],
28    index=members,
29    columns=day,
30)
31
32# モデルの作成
33prob = LpProblem(sense=LpMinimize)
34
35# 変数 (members, shift, day)
36x = [
37    [[LpVariable(f"x{m}{d}{t}", cat=LpBinary) for t in shift] for d in day]
38    for m in members
39]
40
41# 目的関数
42obj = 0
43for m in range(members.size):
44    # 希望出勤日数
45    ks = kibou.iloc[m].sum()
46    # 実際に働いた日数
47    actual = lpSum(x[m][j] for j in range(day.size))
48    # 希望出勤日数と実際に働いた日数の差
49    obj = ks - actual
50    # (制約1)実際に働いた日数が希望出勤日数を超えない制約
51    prob += actual <= ks
52prob += obj
53print(prob)
54
55prob.solve()