看了上篇博客对GLPK的建模计算有了大概了解，本章完成BOSS下达任务，完成一个过剩通勤计算。

首先当然是写好model文件,其中最大通勤为：

param n;param m;param Population{i in 1..n,j in 1..m};param Distance{i in 1..n,j in 1..m};var x{i in 1..n,j in 1..m}>=0,integer;maximize obj:sum{i in 1..n}sum{j in 1..m} Distance[i,j]*x[i,j];s.t.e{i in 1..n}:sum{j in 1..m}x[i,j]=sum{j in 1..m}Population[i,j];f{j in 1..m}:sum{i in 1..n}x[i,j]=sum{i in 1..n}Population[i,j];solve;printf "min sum:%d",sum{i in 1..n}sum{j in 1..m} Distance[i,j]*x[i,j];end;

最小通勤为：

param n;param m;param Population{i in 1..n,j in 1..m};param Distance{i in 1..n,j in 1..m};var x{i in 1..n,j in 1..m}>=0,integer;minimize obj:sum{i in 1..n}sum{j in 1..m} Distance[i,j]*x[i,j];s.t.e{i in 1..n}:sum{j in 1..m}x[i,j]=sum{j in 1..m}Population[i,j];f{j in 1..m}:sum{i in 1..n}x[i,j]=sum{i in 1..n}Population[i,j];solve;printf "min sum:%d",sum{i in 1..n}sum{j in 1..m} Distance[i,j]*x[i,j];end;

glpsol --model MaxTrafficCommuting.model --data Data.data --output max.solveglpsol --model MinTrafficCommuting.model --data Data.data --output min.solve

接下来是data文件部分了，由于原始数据是excel数据，需要先进行格式整理，主要就用pandas进行整理，操作方便，直接附上python代码：（data文件的格式可以参照上一篇GPLK解释的文章）

# -*- coding: cp936 -*-import pandas as pddef toformat():    #data is big table, and data1 is small table    #make the big equal to the small    data=pd.read_excel('Distance.xlsx',index_col=None)#big    data1=pd.read_excel('Population.xlsx',index_col=None)#small    #change its column    data=data[data1.columns]    if len(data1.columns)!=len(data.columns):        print "row exist Duplicate items"    #change its row's index    data=data.loc[data1.index]    if len(data1.index)!=len(data.index):        print "row exist Duplicate items"    data.to_excel('Distance.xlsx',sheet_name='Sheet1',engine='xlsxwriter')    #to creat txt file    data.to_csv('Distance.txt',sep='\t')    data1.to_csv('Population.txt',sep='\t')    pop,popnum=changeformat('Population.txt')    dis,disnum=changeformat('Distance.txt')    if popnum!=disnum:        print '两个矩阵大小不相等，请检查数据'    print '实际通勤为%d'%(sum(data*data1))    return pop,dis,str(len(data.index)),str(len(data.columns))def todealmiss():    data=pd.read_excel('Population.xlsx','Sheet1',index_col=None,na_values=['0'])    data=data.fillna(0)    data.to_excel('Population.xlsx',sheet_name='Sheet1',engine='xlsxwriter')def changeformat(filename='Population.txt'):    with open(filename,'r') as datafile:        data=datafile.read().split('\n')    n=len(data)    data[0]='param '+filename[:-4]+':'+data[0][1:]+':='    #从excel转换为txt时最后一个空格键多出了一行，    data[n-2]=data[n-2]+';'    outputname='new_'+filename    return data,ntodealmiss()pop,dis,row,col=toformat()with open('Data.data','w') as datafile:    datafile.write('param n:='+row+';'+'\n')    datafile.write('param m:='+col+';'+'\n')    for p in pop:        datafile.write(p+'\n')    for d in dis:        datafile.write(d+'\n')

代码写的很乱，没优化了，直接运行结果，总体来说速度还是挺快的，381*381（145161）个数据大概用了5秒多：

整体性能还不错，其实本来这次想试一试cvxopt的谁知道安装官网步骤也一直没安装上~有知道解决的万分感谢