0-1规划python代码

以下是一个示例的0-1规划问题的Python代码：

from pulp import *

# 创建问题实例
problem = LpProblem("0-1 Knapsack Problem", LpMaximize)

# 创建决策变量
items = ['Item1', 'Item2', 'Item3']  # 物品列表
weights = {'Item1': 10, 'Item2': 20, 'Item3': 30}  # 物品对应的重量
values = {'Item1': 100, 'Item2': 250, 'Item3': 150}  # 物品对应的价值
x = LpVariable.dicts('x', items, cat='Binary')  # 决策变量：是否选择该物品

# 设置目标函数
problem += lpSum([values[i] * x[i] for i in items])

# 添加约束条件
problem += lpSum([weights[i] * x[i] for i in items]) <= 50  # 背包的容量限制

# 求解问题
problem.solve()

# 输出结果
print("Objective Function Value:", value(problem.objective))
print("Solution:")
for item in items:
    print(item, "=", value(x[item]))

上述代码使用PuLP库来建立0-1规划问题的模型，求解背包问题。通过定义决策变量、目标函数和约束条件，然后调用`problem.solve()`进行求解，并输出最优解以及每个物品的选择情况。你可以根据具体的问题需要进行修改和扩展。