質問編集履歴
1
質問内容
title
CHANGED
|
@@ -1,1 +1,1 @@
|
|
|
1
|
-
|
|
1
|
+
プログラムのエラーについて
|
body
CHANGED
|
@@ -1,11 +1,12 @@
|
|
|
1
1
|
### 前提・実現したいこと
|
|
2
|
+
すみません。先ほど投稿した、「Falseの場合削除する」についての質問内容ですが、聞きたかったことと異なっていたため、内容を変えさせていただきます。
|
|
2
3
|
以下の作成したプログラムについての質問です。
|
|
3
|
-
このプログラムでは各メンバーの希望出勤時刻と、シフトの同時刻を比較し、希望出勤時刻が0, シフトの同時刻が1のときFalse、それ以外のものをTrueで返すプログラムを表しています。
|
|
4
4
|
### 該当のソースコード
|
|
5
5
|
|
|
6
6
|
```python
|
|
7
7
|
import numpy as np
|
|
8
8
|
import pandas as pd
|
|
9
|
+
from pulp import LpBinary, LpMinimize, LpProblem, LpVariable, lpSum, value
|
|
9
10
|
|
|
10
11
|
#アルバイトの集合
|
|
11
12
|
n_member = 5
|
|
@@ -25,6 +26,7 @@
|
|
|
25
26
|
shiftnumber = pd.Series(f"shift{sn+1}" for sn in range(n_shiftnumber))
|
|
26
27
|
|
|
27
28
|
|
|
29
|
+
|
|
28
30
|
#シフトの一覧（直書き）
|
|
29
31
|
shift = pd.DataFrame([[0, 0, 0, 0, 0, 0, 0, 0, 0],
|
|
30
32
|
[1, 1, 1, 1, 1, 1, 1, 1, 1],
|
|
@@ -33,7 +35,33 @@
|
|
|
33
35
|
[0, 0, 0, 0, 0, 0, 1, 1, 1],
|
|
34
36
|
[1, 1, 1, 0, 0, 0, 1, 1, 1]], index=shiftnumber, columns=time)
|
|
35
37
|
|
|
38
|
+
#0:出勤不可のシフトパターン, 1:出勤可能のシフトパターン
|
|
39
|
+
shiftdaycount = [int(sum(x) > 0) for x in shift.values]
|
|
36
40
|
|
|
41
|
+
|
|
42
|
+
|
|
43
|
+
|
|
44
|
+
#各シフトの労働時間（直書き）
|
|
45
|
+
wtime = pd.DataFrame([[0, 0, 0, 0, 0, 0, 0],
|
|
46
|
+
[9, 9, 9, 9, 9, 9, 9],
|
|
47
|
+
[3, 3, 3, 3, 3, 3, 3],
|
|
48
|
+
[3, 3, 3, 3, 3, 3, 3],
|
|
49
|
+
[3, 3, 3, 3, 3, 3, 3],
|
|
50
|
+
[6, 6, 6, 6, 6, 6, 6]], index=shiftnumber, columns=day)
|
|
51
|
+
|
|
52
|
+
#必要人数
|
|
53
|
+
need = pd.DataFrame([[2, 2, 2, 2, 2, 2, 2, 2, 2]], index=day, columns=time)
|
|
54
|
+
|
|
55
|
+
#希望出勤日
|
|
56
|
+
kibou = pd.DataFrame([[1, 1, 1, 1, 1, 1, 1],
|
|
57
|
+
[1, 1, 1, 1, 1, 1, 1],
|
|
58
|
+
[1, 1, 1, 1, 1, 1, 1],
|
|
59
|
+
[1, 1, 1, 1, 1, 1, 1],
|
|
60
|
+
[0, 0, 0, 0, 0, 0, 0]], index=member, columns=day)
|
|
61
|
+
|
|
62
|
+
|
|
63
|
+
|
|
64
|
+
|
|
37
65
|
#時間を考慮したデータ
|
|
38
66
|
#Day1
|
|
39
67
|
kiboutime1 = pd.DataFrame([[0, 0, 0, 1, 1, 1, 0, 0, 0],
|
|
@@ -41,15 +69,105 @@
|
|
|
41
69
|
[1, 1, 1, 0, 0, 0, 1, 1, 1],
|
|
42
70
|
[1, 1, 1, 0, 0, 0, 1, 1, 1],
|
|
43
71
|
[0, 0, 0, 0, 0, 0, 0, 0, 0]], index=kibou.iloc[:,0], columns=time)
|
|
72
|
+
|
|
44
73
|
|
|
74
|
+
|
|
75
|
+
#for t in range(time.size):
|
|
76
|
+
# for s in range(n_shiftnumber):
|
|
45
|
-
#
|
|
77
|
+
# for m in range(member.size):
|
|
78
|
+
# shift.iloc[s,t] <= kiboutime1.iloc[m,t]
|
|
79
|
+
|
|
80
|
+
|
|
81
|
+
|
|
82
|
+
|
|
83
|
+
|
|
84
|
+
#各メンバーの時給
|
|
85
|
+
jikyu = pd.DataFrame([[900, 900, 900, 900, 900, 900, 900],
|
|
86
|
+
[900, 900, 900, 900, 900, 900, 900],
|
|
87
|
+
[900, 900, 900, 900, 900, 900, 900],
|
|
88
|
+
[900, 900, 900, 900, 900, 900, 900],
|
|
89
|
+
[900, 900, 900, 900, 900, 900, 900]], index=member, columns=day)
|
|
90
|
+
|
|
91
|
+
#1日の人件費
|
|
92
|
+
jinkenhi = pd.DataFrame([[16200],
|
|
93
|
+
[16200],
|
|
94
|
+
[16200],
|
|
95
|
+
[16200],
|
|
96
|
+
[16200],
|
|
97
|
+
[16200],
|
|
98
|
+
[16200]], index=day)
|
|
99
|
+
|
|
100
|
+
|
|
101
|
+
|
|
102
|
+
#モデルの作成
|
|
103
|
+
prob = LpProblem(sense=LpMinimize)
|
|
104
|
+
|
|
105
|
+
#変数
|
|
106
|
+
X = LpVariable.dicts('X', ([m for m in range(member.size)], [d for d in range(day.size)], [s for s in range(n_shiftnumber)]), 0, 1, 'Integer')
|
|
107
|
+
|
|
108
|
+
|
|
109
|
+
#目的関数
|
|
110
|
+
prob += kibou.values.sum() - lpSum(shiftdaycount[s] * X[m][d][s] for s in range(n_shiftnumber) for d in range(day.size) for m in range(member.size))
|
|
111
|
+
|
|
112
|
+
#制約条件
|
|
113
|
+
#(制約1)
|
|
114
|
+
for m in range(member.size):
|
|
115
|
+
#希望出勤日数
|
|
116
|
+
ks = kibou.iloc[m].sum()
|
|
117
|
+
#実際に働いた日数
|
|
118
|
+
actual = lpSum(shiftdaycount[s] * X[m][d][s] for s in range(n_shiftnumber) for d in range(day.size))
|
|
119
|
+
#(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
|
|
120
|
+
prob += actual <= ks
|
|
121
|
+
|
|
122
|
+
|
|
123
|
+
|
|
124
|
+
#(制約2)必要最低人数を満たす制約
|
|
125
|
+
for d in range(day.size):
|
|
126
|
+
for t in range(time.size):
|
|
127
|
+
prob += lpSum(shift.values[s][t] * X[m][d][s] for s in range(n_shiftnumber) for m in range(member.size) ) >= need.iloc[d, t]
|
|
128
|
+
|
|
129
|
+
#(制約4)各メンバーが1日に取りうるシフトは必ず1つ
|
|
130
|
+
for m in range(member.size):
|
|
131
|
+
for d in range(day.size):
|
|
132
|
+
prob += lpSum(X[m][d][s] for s in range(n_shiftnumber)) == 1
|
|
133
|
+
|
|
134
|
+
#(制約5)人件費を超えない
|
|
135
|
+
for d in range(day.size):
|
|
136
|
+
prob += lpSum(jikyu.iloc[m, d] * wtime.iloc[s, d] * X[m][d][s] for m in range(member.size) for s in range(n_shiftnumber) ) <= jinkenhi.iloc[d]
|
|
137
|
+
|
|
138
|
+
#(制約6)6日以上の連続勤務を禁止する
|
|
139
|
+
for m in range(member.size):
|
|
140
|
+
prob += lpSum(shiftdaycount[s] * X[m][d][s] for s in range(n_shiftnumber) for d in range(day.size)) <= 6
|
|
141
|
+
|
|
142
|
+
#(制約7)
|
|
46
143
|
for t in range(time.size):
|
|
47
144
|
for s in range(n_shiftnumber):
|
|
48
145
|
for m in range(member.size):
|
|
49
|
-
shift.iloc[s,t] <= kiboutime1.iloc[m,t]
|
|
146
|
+
prob += shift.iloc[s,t] <= kiboutime1.iloc[m,t]
|
|
147
|
+
|
|
148
|
+
|
|
149
|
+
prob.solve()
|
|
150
|
+
|
|
151
|
+
|
|
152
|
+
scheduling = pd.DataFrame(index=member, columns=day)
|
|
153
|
+
for m in range(member.size):
|
|
154
|
+
for d in range(day.size):
|
|
155
|
+
for s in range(n_shiftnumber):
|
|
156
|
+
if X[m][d][s].value() == 1:
|
|
157
|
+
scheduling.iloc[m, d] = shiftnumber[s]
|
|
50
158
|
|
|
51
159
|
|
|
160
|
+
scheduling.to_csv("scheduling.csv")
|
|
161
|
+
|
|
52
162
|
```
|
|
53
|
-
|
|
163
|
+
(制約7)のところで、各メンバーの希望出勤時間とシフトパターンの同時刻部分を比較しています。シフトの時刻は、同時刻の希望出勤時間以下となる制約（希望出勤時間が0の時、シフトの同時刻は0をとり、その他の場合は0または1をとる）を表しています。
|
|
54
|
-
|
|
164
|
+
手書きではありますが、やりたいことのイメージは以下の通りです。
|
|
165
|
+
|
|
166
|
+
しかし以下のようなエラーメッセージが出てきてしまいます。
|
|
167
|
+
### 発生してるエラーメッセージ
|
|
168
|
+
```python
|
|
169
|
+
TypeError: Can only add LpConstraintVar, LpConstraint, LpAffineExpression or True objects
|
|
170
|
+
```
|
|
171
|
+
(制約7)より前のものは、正しく動いていることが確認できているため、(制約7)の部分でエラーが起きていると思うのですが、どのように直したらいいか、または、別のやり方があるのかわからない状態です。
|
|
172
|
+
一方的な質問ですがご教授いただきたいです。
|
|
55
|
-
|
|
173
|
+
よろしくお願いいたします。
|