質問編集履歴
1
質問内容
test
CHANGED
@@ -1 +1 @@
|
|
1
|
-
|
1
|
+
プログラムのエラーについて
|
test
CHANGED
@@ -1,9 +1,9 @@
|
|
1
1
|
### 前提・実現したいこと
|
2
2
|
|
3
|
+
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。
|
4
|
+
|
3
5
|
以下の作成したプログラムについての質問です。
|
4
6
|
|
5
|
-
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。
|
6
|
-
|
7
7
|
### 該当のソースコード
|
8
8
|
|
9
9
|
|
@@ -14,6 +14,8 @@
|
|
14
14
|
|
15
15
|
import pandas as pd
|
16
16
|
|
17
|
+
from pulp import LpBinary, LpMinimize, LpProblem, LpVariable, lpSum, value
|
18
|
+
|
17
19
|
|
18
20
|
|
19
21
|
#アルバイトの集合
|
@@ -52,6 +54,8 @@
|
|
52
54
|
|
53
55
|
|
54
56
|
|
57
|
+
|
58
|
+
|
55
59
|
#シフトの一覧(直書き)
|
56
60
|
|
57
61
|
shift = pd.DataFrame([[0, 0, 0, 0, 0, 0, 0, 0, 0],
|
@@ -68,6 +72,58 @@
|
|
68
72
|
|
69
73
|
|
70
74
|
|
75
|
+
#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
|
76
|
+
|
77
|
+
shiftdaycount = [int(sum(x) > 0) for x in shift.values]
|
78
|
+
|
79
|
+
|
80
|
+
|
81
|
+
|
82
|
+
|
83
|
+
|
84
|
+
|
85
|
+
|
86
|
+
|
87
|
+
#各シフトの労働時間(直書き)
|
88
|
+
|
89
|
+
wtime = pd.DataFrame([[0, 0, 0, 0, 0, 0, 0],
|
90
|
+
|
91
|
+
[9, 9, 9, 9, 9, 9, 9],
|
92
|
+
|
93
|
+
[3, 3, 3, 3, 3, 3, 3],
|
94
|
+
|
95
|
+
[3, 3, 3, 3, 3, 3, 3],
|
96
|
+
|
97
|
+
[3, 3, 3, 3, 3, 3, 3],
|
98
|
+
|
99
|
+
[6, 6, 6, 6, 6, 6, 6]], index=shiftnumber, columns=day)
|
100
|
+
|
101
|
+
|
102
|
+
|
103
|
+
#必要人数
|
104
|
+
|
105
|
+
need = pd.DataFrame([[2, 2, 2, 2, 2, 2, 2, 2, 2]], index=day, columns=time)
|
106
|
+
|
107
|
+
|
108
|
+
|
109
|
+
#希望出勤日
|
110
|
+
|
111
|
+
kibou = pd.DataFrame([[1, 1, 1, 1, 1, 1, 1],
|
112
|
+
|
113
|
+
[1, 1, 1, 1, 1, 1, 1],
|
114
|
+
|
115
|
+
[1, 1, 1, 1, 1, 1, 1],
|
116
|
+
|
117
|
+
[1, 1, 1, 1, 1, 1, 1],
|
118
|
+
|
119
|
+
[0, 0, 0, 0, 0, 0, 0]], index=member, columns=day)
|
120
|
+
|
121
|
+
|
122
|
+
|
123
|
+
|
124
|
+
|
125
|
+
|
126
|
+
|
71
127
|
|
72
128
|
|
73
129
|
#時間を考慮したデータ
|
@@ -84,9 +140,147 @@
|
|
84
140
|
|
85
141
|
[0, 0, 0, 0, 0, 0, 0, 0, 0]], index=kibou.iloc[:,0], columns=time)
|
86
142
|
|
143
|
+
|
144
|
+
|
145
|
+
|
146
|
+
|
147
|
+
|
148
|
+
|
87
|
-
|
149
|
+
#for t in range(time.size):
|
150
|
+
|
88
|
-
|
151
|
+
# for s in range(n_shiftnumber):
|
152
|
+
|
89
|
-
#
|
153
|
+
# for m in range(member.size):
|
154
|
+
|
155
|
+
# shift.iloc[s,t] <= kiboutime1.iloc[m,t]
|
156
|
+
|
157
|
+
|
158
|
+
|
159
|
+
|
160
|
+
|
161
|
+
|
162
|
+
|
163
|
+
|
164
|
+
|
165
|
+
|
166
|
+
|
167
|
+
#各メンバーの時給
|
168
|
+
|
169
|
+
jikyu = pd.DataFrame([[900, 900, 900, 900, 900, 900, 900],
|
170
|
+
|
171
|
+
[900, 900, 900, 900, 900, 900, 900],
|
172
|
+
|
173
|
+
[900, 900, 900, 900, 900, 900, 900],
|
174
|
+
|
175
|
+
[900, 900, 900, 900, 900, 900, 900],
|
176
|
+
|
177
|
+
[900, 900, 900, 900, 900, 900, 900]], index=member, columns=day)
|
178
|
+
|
179
|
+
|
180
|
+
|
181
|
+
#1日の人件費
|
182
|
+
|
183
|
+
jinkenhi = pd.DataFrame([[16200],
|
184
|
+
|
185
|
+
[16200],
|
186
|
+
|
187
|
+
[16200],
|
188
|
+
|
189
|
+
[16200],
|
190
|
+
|
191
|
+
[16200],
|
192
|
+
|
193
|
+
[16200],
|
194
|
+
|
195
|
+
[16200]], index=day)
|
196
|
+
|
197
|
+
|
198
|
+
|
199
|
+
|
200
|
+
|
201
|
+
|
202
|
+
|
203
|
+
#モデルの作成
|
204
|
+
|
205
|
+
prob = LpProblem(sense=LpMinimize)
|
206
|
+
|
207
|
+
|
208
|
+
|
209
|
+
#変数
|
210
|
+
|
211
|
+
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')
|
212
|
+
|
213
|
+
|
214
|
+
|
215
|
+
|
216
|
+
|
217
|
+
#目的関数
|
218
|
+
|
219
|
+
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))
|
220
|
+
|
221
|
+
|
222
|
+
|
223
|
+
#制約条件
|
224
|
+
|
225
|
+
#(制約1)
|
226
|
+
|
227
|
+
for m in range(member.size):
|
228
|
+
|
229
|
+
#希望出勤日数
|
230
|
+
|
231
|
+
ks = kibou.iloc[m].sum()
|
232
|
+
|
233
|
+
#実際に働いた日数
|
234
|
+
|
235
|
+
actual = lpSum(shiftdaycount[s] * X[m][d][s] for s in range(n_shiftnumber) for d in range(day.size))
|
236
|
+
|
237
|
+
#(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
|
238
|
+
|
239
|
+
prob += actual <= ks
|
240
|
+
|
241
|
+
|
242
|
+
|
243
|
+
|
244
|
+
|
245
|
+
|
246
|
+
|
247
|
+
#(制約2)必要最低人数を満たす制約
|
248
|
+
|
249
|
+
for d in range(day.size):
|
250
|
+
|
251
|
+
for t in range(time.size):
|
252
|
+
|
253
|
+
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]
|
254
|
+
|
255
|
+
|
256
|
+
|
257
|
+
#(制約4)各メンバーが1日に取りうるシフトは必ず1つ
|
258
|
+
|
259
|
+
for m in range(member.size):
|
260
|
+
|
261
|
+
for d in range(day.size):
|
262
|
+
|
263
|
+
prob += lpSum(X[m][d][s] for s in range(n_shiftnumber)) == 1
|
264
|
+
|
265
|
+
|
266
|
+
|
267
|
+
#(制約5)人件費を超えない
|
268
|
+
|
269
|
+
for d in range(day.size):
|
270
|
+
|
271
|
+
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]
|
272
|
+
|
273
|
+
|
274
|
+
|
275
|
+
#(制約6)6日以上の連続勤務を禁止する
|
276
|
+
|
277
|
+
for m in range(member.size):
|
278
|
+
|
279
|
+
prob += lpSum(shiftdaycount[s] * X[m][d][s] for s in range(n_shiftnumber) for d in range(day.size)) <= 6
|
280
|
+
|
281
|
+
|
282
|
+
|
283
|
+
#(制約7)
|
90
284
|
|
91
285
|
for t in range(time.size):
|
92
286
|
|
@@ -94,16 +288,58 @@
|
|
94
288
|
|
95
289
|
for m in range(member.size):
|
96
290
|
|
97
|
-
shift.iloc[s,t] <= kiboutime1.iloc[m,t]
|
291
|
+
prob += shift.iloc[s,t] <= kiboutime1.iloc[m,t]
|
292
|
+
|
293
|
+
|
294
|
+
|
295
|
+
|
296
|
+
|
297
|
+
prob.solve()
|
298
|
+
|
299
|
+
|
300
|
+
|
301
|
+
|
302
|
+
|
303
|
+
scheduling = pd.DataFrame(index=member, columns=day)
|
304
|
+
|
305
|
+
for m in range(member.size):
|
306
|
+
|
307
|
+
for d in range(day.size):
|
308
|
+
|
309
|
+
for s in range(n_shiftnumber):
|
310
|
+
|
311
|
+
if X[m][d][s].value() == 1:
|
312
|
+
|
313
|
+
scheduling.iloc[m, d] = shiftnumber[s]
|
98
314
|
|
99
315
|
|
100
316
|
|
101
317
|
|
102
318
|
|
319
|
+
scheduling.to_csv("scheduling.csv")
|
320
|
+
|
321
|
+
|
322
|
+
|
103
323
|
```
|
104
324
|
|
105
|
-
|
325
|
+
(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。
|
106
|
-
|
326
|
+
|
107
|
-
|
327
|
+
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。
|
328
|
+
|
108
|
-
|
329
|
+
![イメージ説明](498ca2e8dd3dbd4948d5407225f7c06b.jpeg)
|
330
|
+
|
331
|
+
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。
|
332
|
+
|
333
|
+
### 発生してるエラーメッセージ
|
334
|
+
|
335
|
+
```python
|
336
|
+
|
337
|
+
TypeError: Can only add LpConstraintVar, LpConstraint, LpAffineExpression or True objects
|
338
|
+
|
339
|
+
```
|
340
|
+
|
341
|
+
(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。
|
342
|
+
|
343
|
+
一方的な質問ですがご教授いただきたいです。
|
344
|
+
|
109
|
-
|
345
|
+
よろしくお願いいたします。
|