python gurobi 最適化の繰り返し

Python3,gurobiにて、最適化問題(栄養問題の類似)を解きたいです。

[プログラムの目的]
複数日にわたり、食事と運動を提案する。
[現状の問題点]
1日分の提案を行うコードは書けたのですが、複数日(試作コードでは簡単のため2日に設定)にわたる提案を行うコードが思う通りに動きません。
私は単純に、2次元の配列を用意してfor文で最適化プログラムを回せば良いと考えたのですが、解の出力が思う通りになりませんでした。

python3
1import pandas as pd
2from gurobipy import *
3
4#csv読み込み
5dfk = pd.read_csv("food.csv", index_col=0,usecols=[0,2])
6dfc = pd.read_csv("food.csv", index_col=0, usecols=[0,1])
7df1 = pd.read_csv("food.csv", index_col=0)
8df2 = pd.read_csv("exercise.csv", index_col=0)
9df3 = pd.read_csv("fbound.csv", index_col=0)
10df4 = pd.read_csv("ejudge.csv", index_col=0)
11df5 = pd.read_csv("egbound.csv", index_col=0)
12df6 = pd.read_csv("fjudge.csv", index_col=0)
13df7 = pd.read_csv("fgbound.csv", index_col=0)
14
15#辞書化 行をキーに、列と値をバリューにするオプション
16d1 = df1.to_dict(orient='index')
17d2 = df2.to_dict(orient='index')
18d3 = df3.to_dict(orient='index')
19d4 = df4.to_dict(orient='index')
20d5 = df5.to_dict(orient='index')
21d6 = df6.to_dict(orient='index')
22d7 = df7.to_dict(orient='index')
23
24dc  = dict(zip(dfc.index, dfc['価格'])) 
25d2i = dict(zip(df2.index, df2['運動強度 I']))
26dk  = dict(zip(dfk.index, dfk['カロリー']))
27
28#モデル化
29model = Model()
30#変数オブジェクト生成
31x, y = {}, {}
32
33#変数(2次元配列で用意)
34#food
35for t in range(2):
36    for j in d1.keys():
37        x[t,j] = model.addVar(vtype="B",name="%s"%j)
38    model.update()
39#exercise
40    for j in d2.keys():
41        y[t,j] = model.addVar(vtype="B",name="%s"%j)
42    model.update()
43
44#制約
45#食品・運動の重複をなくす
46for j in d1.keys():
47    model.addConstr(quicksum(x[t,j] for t in range(2)) <= 1)
48for j in d2.keys():
49    model.addConstr(quicksum(y[t,j] for t in range(2)) <= 1)
50#栄養素の分だけ制約式を用意 栄養素の制約
51for t in range(2):
52    for i in d3.keys():
53        model.addConstr(quicksum(d1[j][i]*x[t,j] for j in d1.keys()) >= d3[i]["LB"])
54        model.addConstr(quicksum(d1[j][i]*x[t,j] for j in d1.keys()) <= d3[i]["UB"])
55#運動強度の制約
56    model.addConstr(quicksum(d2i[j]*y[t,j] for j in d2.keys()) >= 2)
57    model.addConstr(quicksum(d2i[j]*y[t,j] for j in d2.keys()) <= 5)
58#運動グループの制約
59    for i in d5.keys():
60        model.addConstr(quicksum(d4[j][i]*y[t,j] for j in d4.keys()) >= d5[i]["LB"])
61        model.addConstr(quicksum(d4[j][i]*y[t,j] for j in d4.keys()) <= d5[i]["UB"])
62#食品グループの制約
63    for i in d7.keys():
64        model.addConstr(quicksum(d6[j][i]*x[t,j] for j in d1.keys()) >= d7[i]["LB"])
65        model.addConstr(quicksum(d6[j][i]*x[t,j] for j in d1.keys()) <= d7[i]["UB"])
66#消費カロリーの制約
67    model.addConstr(quicksum(dk[j]*x[t,j] for j in d1.keys()) +80  <= 566 + quicksum(d2i[j]*y[t,j]*67 for j in d2.keys()))
68
69#目的関数
70    model.setObjective(quicksum(dc[j]*x[t,j] for j in d1.keys()), GRB.MINIMIZE)
71
72#最適化
73    model.optimize()
74#定式化が正しいか確認
75    model.update()
76    model.write("model.lp")
77
78#解の表示
79    status = model.Status
80    if status == GRB.Status.OPTIMAL: 
81        print("Total Cost = ", model.ObjVal)
82        for [t,j] in x: 
83            if x[t,j].X == 1:
84                print(x[t,j].VarName)
85        for [t,j] in y:
86            if y[t,j].X == 1:
87                print(y[t,j].Varname)
88

出力
Total Cost = 436.0
コールスローサラダロール
味付き半熟ゆでたまご1個入り
マカロニサラダ
豚汁
バービー(202)
バービー(153)
腕立て伏せ(303)
ブラジリアンスクワット(153)

Total Cost = 436.0
トマトの彩り野菜サンド
キノコのマリネ
三陸産わかめのサラダ
絹とうふ
クラムチャウダー
コールスローサラダロール
味付き半熟ゆでたまご1個入り
マカロニサラダ
豚汁
クランチ(303)
バービー(203)
腕立て伏せ(203)
ラウンジ(203)
バービー(103)
ダブルレッグレイズ(203)
腕立て伏せ(303)
ブラジリアンスクワット(153)