@@ -1,36 +1,240 @@
import optimize_feed
import pulp
import pandas as pd
from tabulate import tabulate
import os
# 示例调用
i f__name__ == " __main__ " :
# 原料数据（加工后，单位：%或MJ/kg，
ingredients = {
' 构树叶 ' : { ' 蛋白 ' : 15 , ' 能量 ' : 9 , ' 纤维 ' : 10 , ' 赖氨酸 ' : 0.5 , ' 蛋氨酸 ' : 0.1 , ' 钙 ' : 1.5 , ' 磷 ' : 0.2 , ' 价格 ' : 600 } ,
' 玉米胚芽 ' : { ' 蛋白 ' : 11 , ' 能量 ' : 13 , ' 纤维 ' : 7 , ' 赖氨酸 ' : 0.4 , ' 蛋氨酸 ' : 0.2 , ' 钙 ' : 0.1 , ' 磷 ' : 0.3 ,
' 价格 ' : 1700 } ,
' 麦麸 ' : { ' 蛋白 ' : 15 , ' 能量 ' : 10 , ' 纤维 ' : 12 , ' 赖氨酸 ' : 0.4 , ' 蛋氨酸 ' : 0.2 , ' 钙 ' : 0.1 , ' 磷 ' : 1.0 , ' 价格 ' : 1300 } ,
' 米糠 ' : { ' 蛋白 ' : 13 , ' 能量 ' : 11 , ' 纤维 ' : 10 , ' 赖氨酸 ' : 0.4 , ' 蛋氨酸 ' : 0.2 , ' 钙 ' : 0.1 , ' 磷 ' : 1.5 , ' 价格 ' : 1100 } ,
' 牧草 ' : { ' 蛋白 ' : 17 , ' 能量 ' : 8.5 , ' 纤维 ' : 20 , ' 赖氨酸 ' : 0.6 , ' 蛋氨酸 ' : 0.2 , ' 钙 ' : 1.2 , ' 磷 ' : 0.3 , ' 价格 ' : 800 } ,
' 玉米 ' : { ' 蛋白 ' : 9 , ' 能量 ' : 13.5 , ' 纤维 ' : 2.5 , ' 赖氨酸 ' : 0.3 , ' 蛋氨酸 ' : 0.17 , ' 钙 ' : 0.02 , ' 磷 ' : 0.3 ,
' 价格 ' : 2367 } ,
' 豆粕 ' : { ' 蛋白 ' : 46 , ' 能量 ' : 10.5 , ' 纤维 ' : 4 , ' 赖氨酸 ' : 2.8 , ' 蛋氨酸 ' : 0.6 , ' 钙 ' : 0.3 , ' 磷 ' : 0.7 , ' 价格 ' : 3300 } ,
' 植物油 ' : { ' 蛋白 ' : 0 , ' 能量 ' : 36 , ' 纤维 ' : 0 , ' 赖氨酸 ' : 0 , ' 蛋氨酸 ' : 0 , ' 钙 ' : 0 , ' 磷 ' : 0 , ' 价格 ' : 7500 } ,
' 赖氨酸 ' : { ' 蛋白 ' : 78 , ' 能量 ' : 0 , ' 纤维 ' : 0 , ' 赖氨酸 ' : 78 , ' 蛋氨酸 ' : 0 , ' 钙 ' : 0 , ' 磷 ' : 0 , ' 价格 ' : 15000 } ,
' 蛋氨酸 ' : { ' 蛋白 ' : 99 , ' 能量 ' : 0 , ' 纤维 ' : 0 , ' 赖氨酸 ' : 0 , ' 蛋氨酸 ' : 99 , ' 钙 ' : 0 , ' 磷 ' : 0 , ' 价格 ' : 25000 } ,
' 预混料 ' : { ' 蛋白 ' : 0 , ' 能量 ' : 0 , ' 纤维 ' : 0 , ' 赖氨酸 ' : 0 , ' 蛋氨酸 ' : 0 , ' 钙 ' : 10 , ' 磷 ' : 5 , ' 价格 ' : 3000 }
de fcalculate_nutrients_from_formula ( formula_proportions , ingredients ) :
"""
计算市面配方营养总量，作为需求校准
:param formula_proportions: 配方比例字典，如 { ' 玉米 ' : 0.59, ' 豆粕 ' : 0.15}
:param ingredients: 原料数据字典，含营养值/价格
:return: 营养总量字典，如 { ' 蛋白 ' : 17.76, ' 能量 ' : 11.56}
"""
nutrients = list ( set ( key for ing in ingredients . values ( ) for key in ing if key not in [ ' 价格 ' ] ) )
total_nutrients = { }
for nut in nutrients :
total = sum ( formula_proportions . get ( i , 0 ) * ingredients . get ( i , { } ) . get ( nut , 0 ) for i in formula_proportions )
total_nutrients [ nut ] = round ( total , 2 )
return total_nutrients
def calculate_cost_from_formula ( formula_proportions , ingredients ) :
"""
计算市面配方成本，作为参考
:param formula_proportions: 配方比例字典，如 { ' 玉米 ' : 0.59}
:param ingredients: 原料数据字典，含价格
:return: 成本字典，含总价格和一斤价格
"""
total_price = sum (
formula_proportions . get ( i , 0 ) * ingredients . get ( i , { } ) . get ( ' 价格 ' , 0 ) for i in formula_proportions )
return {
' 总价格 ' : round ( total_price , 2 ) ,
' 一斤饲料价格 ' : round ( total_price / 2000 , 2 ) # 吨=2000斤
}
def optimize_feed ( requirements , ingredients , result_fields , optimization_type = ' min ' ) :
"""
优化饲料配方，计算最低/最高目标值的原料比例
:param requirements: 猪营养需求字典，如 { ' 蛋白_下限 ' : 17, ' 能量_下限 ' : 12.5, ' 纤维_上限 ' : 6}
:param ingredients: 原料数据字典，如 { ' 构树叶_发酵 ' : { ' 蛋白 ' : 15, ' 能量 ' : 9, ' 纤维 ' : 15, ' 价格 ' : 600}}
:param result_fields: 结果字段列表，如 [ ' 比例 ' , ' 成本 ' ]
:param optimization_type: ' min ' （最小化，如成本）或 ' max ' （最大化，如消化率）
:return: 字典，含结果字段和值，如 { ' 构树叶_发酵 ' : { ' 比例 ' : 14.29, ' 成本 ' : 85.74}, ' 总价格 ' : 1989.12}
"""
sense = pulp . LpMinimize if optimization_type == ' min ' else pulp . LpMaximize
model = pulp . LpProblem ( " Feed_Optimization " , sense )
# 决策变量： （ ， ： ）
x = pulp . LpVariable . dicts ( " 比例 " , ingredients , lowBound = 0 , upBound = 1 )
# 目标函数：最小化总价格（纯价格，无额外权重）
model + = pulp . lpSum ( [ x [ i ] * ingredients [ i ] [ ' 价格 ' ] for i in ingredients ] ) , " 总价格 "
# 约束1：
model + = pulp . lpSum ( [ x [ i ] for i in ingredients ] ) == 1 , " 总比例 "
# 约束2： （
for req , value in requirements . items ( ) :
if ' 下限 ' in req :
nutrient = req . replace ( ' _下限 ' , ' ' )
# 营养总和≥下限（ ）
model + = pulp . lpSum ( [ x [ i ] * ingredients [ i ] [ nutrient ] for i in ingredients ] ) > = value , req
elif ' 上限 ' in req :
nutrient = req . replace ( ' _上限 ' , ' ' )
# 营养总和≤上限（ ）
model + = pulp . lpSum ( [ x [ i ] * ingredients [ i ] [ nutrient ] for i in ingredients ] ) < = value , req
# 求解： ， ，
try :
solver = pulp . PULP_CBC_CMD ( msg = True ,
options = [ ' primalT ' , ' 1e-12 ' , ' dualT ' , ' 1e-12 ' , ' maxIt ' , ' 10000000 ' , ' presolve ' , ' on ' ,
' strategy ' , ' 2 ' , ' randomC ' , ' 123 ' , ' sec ' , ' 10 ' ] )
model . solve ( solver )
except AttributeError :
print ( " 警告： ， ， " )
model . solve ( )
# 检查是否找到最优解
if pulp . LpStatus [ model . status ] != ' Optimal ' :
print ( " 约束值（调试用）： " )
for name , constraint in model . constraints . items ( ) :
print ( f " { name } : { constraint . value ( ) } " )
return { " 错误 " : " 无解！检查数据（纤维/单宁超？蛋白/氨基酸不足？） " }
# 构建结果
result = { }
total_price = pulp . value ( model . objective )
result [ ' 总价格 ' ] = round ( total_price , 2 )
result [ ' 一斤饲料价格 ' ] = round ( total_price / 2000 , 2 ) # 吨=2000斤
# 每种原料的比例（%）和成本（元/吨）
for i in ingredients :
result [ i ] = { field : round ( pulp . value ( x [ i ] ) * 100 , 2 ) if field == ' 比例 ' else round (
pulp . value ( x [ i ] ) * ingredients [ i ] [ ' 价格 ' ] , 2 ) for field in result_fields }
# 计算营养总量
nutrients = list ( set ( key for ing in ingredients . values ( ) for key in ing if key not in [ ' 价格 ' ] ) )
result [ ' 营养总量 ' ] = { }
for nut in nutrients :
total = sum ( pulp . value ( x [ i ] ) * ingredients [ i ] . get ( nut , 0 ) for i in ingredients )
result [ ' 营养总量 ' ] [ nut ] = round ( total , 2 )
# 检查超标（宁可无解也不超）
for req , value in requirements . items ( ) :
if ' 上限 ' in req :
nut = req . replace ( ' _上限 ' , ' ' )
if result [ ' 营养总量 ' ] [ nut ] > value + 0.01 : # 容忍小误差
return { " 错误 " : f " { nut } 超上限: { result [ ' 营养总量 ' ] [ nut ] } > { value } (可能浮点误差) " }
# 存CSV到results/
os . makedirs ( ' results ' , exist_ok = True )
df_formula = pd . DataFrame (
[ ( k , v [ ' 比例 ' ] , v [ ' 成本 ' ] ) for k , v in result . items ( ) if k not in [ ' 总价格 ' , ' 一斤饲料价格 ' , ' 营养总量 ' ] ] ,
columns = [ ' 原料 ' , ' 比例 ' , ' 成本 ' ] )
df_formula . to_csv ( ' results/优化配方结果.csv ' , index = False )
# 营养偏差表
nutrient_table = [ ]
for nut , value in result [ ' 营养总量 ' ] . items ( ) :
req_key = f " { nut } _下限 " if f " { nut } _下限 " in requirements else f " { nut } _上限 "
req_type = ' 下限 ' if f " { nut } _下限 " in requirements else ' 上限 '
req_value = requirements . get ( req_key , None )
deviation = value - req_value if req_key . endswith ( ' _下限 ' ) else req_value - value
deviation_pct = ( deviation / req_value * 100 ) if req_value != 0 else 0
status = ' 达标 ' if ( req_key . endswith ( ' _下限 ' ) and value > = req_value ) or (
req_key . endswith ( ' _上限 ' ) and value < = req_value ) else ' 不达标 '
nutrient_table . append ( [ nut , value , req_value , req_type , deviation , deviation_pct , status ] )
df_nutrients = pd . DataFrame ( nutrient_table ,
columns = [ ' 营养 ' , ' 实际值 ' , ' 需求值 ' , ' 需求类型 ' , ' 偏差 ' , ' 偏差比例( % ) ' , ' 状态 ' ] )
df_nutrients . to_csv ( ' results/营养总量与需求偏差.csv ' , index = False )
return result
if __name__ == " __main__ " :
# 原料数据（单位：%或MJ/kg， ，
ingredients = {
' 构树叶_未加工 ' : { ' 蛋白 ' : 13 , ' 能量 ' : 8.5 , ' 纤维 ' : 25 , ' 赖氨酸 ' : 0.4 , ' 蛋氨酸 ' : 0.08 , ' 钙 ' : 1.8 , ' 磷 ' : 0.15 ,
' 单宁 ' : 2.5 , ' 价格 ' : 500 } ,
' 构树叶_发酵 ' : { ' 蛋白 ' : 15 , ' 能量 ' : 9 , ' 纤维 ' : 15 , ' 赖氨酸 ' : 0.5 , ' 蛋氨酸 ' : 0.1 , ' 钙 ' : 1.5 , ' 磷 ' : 0.2 ,
' 单宁 ' : 1.5 , ' 价格 ' : 600 } ,
' 玉米胚芽_压榨 ' : { ' 蛋白 ' : 11 , ' 能量 ' : 13 , ' 纤维 ' : 7 , ' 赖氨酸 ' : 0.4 , ' 蛋氨酸 ' : 0.2 , ' 钙 ' : 0.1 , ' 磷 ' : 0.3 ,
' 单宁 ' : 0 , ' 价格 ' : 1700 } ,
' 麦麸 ' : { ' 蛋白 ' : 15 , ' 能量 ' : 10 , ' 纤维 ' : 12 , ' 赖氨酸 ' : 0.4 , ' 蛋氨酸 ' : 0.2 , ' 钙 ' : 0.1 , ' 磷 ' : 1.0 , ' 单宁 ' : 0 ,
' 价格 ' : 1300 } ,
' 米糠 ' : { ' 蛋白 ' : 13 , ' 能量 ' : 11 , ' 纤维 ' : 10 , ' 赖氨酸 ' : 0.4 , ' 蛋氨酸 ' : 0.2 , ' 钙 ' : 0.1 , ' 磷 ' : 1.5 , ' 单宁 ' : 0 ,
' 价格 ' : 1100 } ,
' 牧草_苜蓿干 ' : { ' 蛋白 ' : 17 , ' 能量 ' : 8.5 , ' 纤维 ' : 20 , ' 赖氨酸 ' : 0.6 , ' 蛋氨酸 ' : 0.2 , ' 钙 ' : 1.2 , ' 磷 ' : 0.3 ,
' 单宁 ' : 0.5 , ' 价格 ' : 800 } ,
' 玉米 ' : { ' 蛋白 ' : 9 , ' 能量 ' : 13.5 , ' 纤维 ' : 2.5 , ' 赖氨酸 ' : 0.3 , ' 蛋氨酸 ' : 0.17 , ' 钙 ' : 0.02 , ' 磷 ' : 0.3 , ' 单宁 ' : 0 ,
' 价格 ' : 2367 } ,
' 豆粕 ' : { ' 蛋白 ' : 46 , ' 能量 ' : 10.5 , ' 纤维 ' : 4 , ' 赖氨酸 ' : 2.8 , ' 蛋氨酸 ' : 0.6 , ' 钙 ' : 0.3 , ' 磷 ' : 0.7 , ' 单宁 ' : 0 ,
' 价格 ' : 3300 } ,
' 植物油_豆油 ' : { ' 蛋白 ' : 0 , ' 能量 ' : 36 , ' 纤维 ' : 0 , ' 赖氨酸 ' : 0 , ' 蛋氨酸 ' : 0 , ' 钙 ' : 0 , ' 磷 ' : 0 , ' 单宁 ' : 0 ,
' 价格 ' : 7500 } ,
' 赖氨酸_L盐 ' : { ' 蛋白 ' : 78 , ' 能量 ' : 0 , ' 纤维 ' : 0 , ' 赖氨酸 ' : 78 , ' 蛋氨酸 ' : 0 , ' 钙 ' : 0 , ' 磷 ' : 0 , ' 单宁 ' : 0 ,
' 价格 ' : 15000 } ,
' 蛋氨酸_DL ' : { ' 蛋白 ' : 99 , ' 能量 ' : 0 , ' 纤维 ' : 0 , ' 赖氨酸 ' : 0 , ' 蛋氨酸 ' : 99 , ' 钙 ' : 0 , ' 磷 ' : 0 , ' 单宁 ' : 0 ,
' 价格 ' : 25000 } ,
' 预混料_维生素微量元素 ' : { ' 蛋白 ' : 0 , ' 能量 ' : 0 , ' 纤维 ' : 0 , ' 赖氨酸 ' : 0 , ' 蛋氨酸 ' : 0 , ' 钙 ' : 10 , ' 磷 ' : 5 ,
' 单宁 ' : 0 , ' 价格 ' : 3000 } ,
' 鱼粉 ' : { ' 蛋白 ' : 60 , ' 能量 ' : 12 , ' 纤维 ' : 1 , ' 赖氨酸 ' : 3.5 , ' 蛋氨酸 ' : 1.5 , ' 钙 ' : 5 , ' 磷 ' : 3 , ' 单宁 ' : 0 ,
' 价格 ' : 5000 } ,
' 骨粉 ' : { ' 蛋白 ' : 0 , ' 能量 ' : 0 , ' 纤维 ' : 0 , ' 赖氨酸 ' : 0 , ' 蛋氨酸 ' : 0 , ' 钙 ' : 30 , ' 磷 ' : 15 , ' 单宁 ' : 0 ,
' 价格 ' : 1500 } ,
' 食盐 ' : { ' 蛋白 ' : 0 , ' 能量 ' : 0 , ' 纤维 ' : 0 , ' 赖氨酸 ' : 0 , ' 蛋氨酸 ' : 0 , ' 钙 ' : 0 , ' 磷 ' : 0 , ' 单宁 ' : 0 ,
' 价格 ' : 500 }
}
# 育肥猪需求（ ， ）
requirements = {
' 蛋白_下限 ' : 17 ,
' 能量_下限 ' : 13 ,
' 纤维_上限 ' : 5 ,
' 赖氨酸_下限 ' : 0.75 ,
' 能量_下限 ' : 12.5 ,
' 纤维_上限 ' : 6 ,
' 赖氨酸_下限 ' : 0.8 ,
' 蛋氨酸_下限 ' : 0.25 ,
' 钙_下限 ' : 0.5 ,
' 磷_下限 ' : 0.4
' 磷_下限 ' : 0.4 ,
' 单宁_上限 ' : 0.5
}
# 运行 优化
result = optimize_feed . optimize_feed ( requirements , ingredients , [ ' 比例 ' , ' 成本 ' ] , ' min ' )
print ( " 优化结果: " )
for key , value in result . items ( ) :
print ( f " { key } : { value } " )
# 优化配方
result = optimize_feed ( requirements , ingredients , [ ' 比例 ' , ' 成本 ' ] , ' min ' )
# 美化输出：优化配方
print ( " \n === 优化配方结果 === " )
table_data = [ ( k , v [ ' 比例 ' ] , v [ ' 成本 ' ] ) for k , v in result . items ( ) if
k not in [ ' 总价格 ' , ' 一斤饲料价格 ' , ' 营养总量 ' ] ]
headers = [ ' 原料 ' , ' 比例 ( % ) ' , ' 成本 (元/吨) ' ]
print ( tabulate ( table_data , headers = headers , tablefmt = ' grid ' , floatfmt = ' .2f ' ) )
print ( f " 总价格: { result [ ' 总价格 ' ] : .2f } 元/吨 " )
print ( f " 一斤饲料价格: { result [ ' 一斤饲料价格 ' ] : .2f } 元 " )
# 营养总量与需求偏差
print ( " \n === 营养总量与需求偏差 === " )
nutrient_table = [ ]
for nut , value in result [ ' 营养总量 ' ] . items ( ) :
req_key = f " { nut } _下限 " if f " { nut } _下限 " in requirements else f " { nut } _上限 "
req_type = ' 下限 ' if f " { nut } _下限 " in requirements else ' 上限 '
req_value = requirements . get ( req_key , None )
deviation = value - req_value if req_key . endswith ( ' _下限 ' ) else req_value - value
deviation_pct = ( deviation / req_value * 100 ) if req_value != 0 else 0
status = ' 达标 ' if ( req_key . endswith ( ' _下限 ' ) and value > = req_value ) or (
req_key . endswith ( ' _上限 ' ) and value < = req_value ) else ' 不达标 '
nutrient_table . append ( [ nut , value , req_value , req_type , deviation , deviation_pct , status ] )
print ( tabulate ( nutrient_table , headers = [ ' 营养 ' , ' 实际值 ' , ' 需求值 ' , ' 需求类型 ' , ' 偏差 ' , ' 偏差比例( % ) ' , ' 状态 ' ] ,
tablefmt = ' grid ' , floatfmt = ' .2f ' ) )
# 市面配方（ ， ）
market_formula = {
' 玉米 ' : 0.59 ,
' 麦麸 ' : 0.13 ,
' 豆粕 ' : 0.15 ,
' 鱼粉 ' : 0.06 ,
' 骨粉 ' : 0.015 ,
' 食盐 ' : 0.005
}
# 市面配方营养和成本
market_nutrients = calculate_nutrients_from_formula ( market_formula , ingredients )
market_cost = calculate_cost_from_formula ( market_formula , ingredients )
print ( " \n === 市面配方营养总量 === " )
print ( tabulate ( [ ( k , v ) for k , v in market_nutrients . items ( ) ] , headers = [ ' 营养 ' , ' 值 ' ] , tablefmt = ' grid ' ,
floatfmt = ' .2f ' ) )
pd . DataFrame ( [ ( k , v ) for k , v in market_nutrients . items ( ) ] , columns = [ ' 营养 ' , ' 值 ' ] ) . to_csv (
' results/市面配方营养总量.csv ' , index = False )
print ( " \n === 市面配方成本与偏差 === " )
cost_table = [
[ ' 总价格 (元/吨) ' , market_cost [ ' 总价格 ' ] , result [ ' 总价格 ' ] , market_cost [ ' 总价格 ' ] - result [ ' 总价格 ' ] ] ,
[ ' 一斤饲料价格 (元) ' , market_cost [ ' 一斤饲料价格 ' ] , result [ ' 一斤饲料价格 ' ] ,
market_cost [ ' 一斤饲料价格 ' ] - result [ ' 一斤饲料价格 ' ] ]
]
print ( tabulate ( cost_table , headers = [ ' 项 ' , ' 市面配方 ' , ' 优化配方 ' , ' 偏差 ' ] , tablefmt = ' grid ' , floatfmt = ' .2f ' ) )
pd . DataFrame ( cost_table , columns = [ ' 项 ' , ' 市面配方 ' , ' 优化配方 ' , ' 偏差 ' ] ) . to_csv ( ' results/市面配方成本与偏差.csv ' ,
index = False )
print ( " \n 所有结果已存至 results/ 文件夹 " )
