没问题，既然 `pulp` 库安装不方便，我们可以换一种方法。针对这种“排班人数最少化”的问题，我们可以使用 Python 标准库中的 `scipy` 模块（通常科学计算环境都会自带）来求解，或者直接使用纯 Python 的线性规划库。 不过，鉴于您提到的正确答案是 **60、10、50、0、20、10**，这通常对应的是每班次开始时上班的人数。 下面我提供两种方案： 1. **方案一（推荐）**：使用 `scipy.optimize`（Python 标准科学计算库，无需安装额外的 `pulp`）。 2. **方案二**：直接验证您提供的答案是否符合题目要求。 ### 方案一：使用 Scipy 求解 请确保你的环境中安装了 `scipy` 和 `numpy`（通常在 Python 数据分析环境中是默认有的）。如果没有，可以使用 `pip install scipy numpy` 安装。 ```python import numpy as np from scipy.optimize import linprog # 1. 定义目标函数系数 # 我们的目标是让总人数最少，即 x1 + x2 + x3 + x4 + x5 + x6 最小 # 所以系数全是 1 c = [1, 1, 1, 1, 1, 1] # 2. 定义不等式约束矩阵 # 题目要求每个时间段在岗人数 >= 所需人数 # 注意：scipy 的 linprog 默认是求解 <= 的，所以我们要把系数取反，或者使用 bounds 和 A_ub 的特性 # 这里我们用 A_ub * x <= b 的形式，所以我们需要写成 -x <= -所需人数 # 时间段对应关系： # x1: 6:00-14:00 (覆盖 6-10, 10-14) # x2: 10:00-18:00 (覆盖 10-14, 14-18) # x3: 14:00-22:00 (覆盖 14-18, 18-22) # x4: 18:00-2:00 (覆盖 18-22, 22-2) # x5: 22:00-6:00 (覆盖 22-2, 2-6) # x6: 2:00-10:00 (覆盖 2-6, 6-10) # 约束条件 (左边是在岗人数组合，右边是所需人数) # 6-10点: x1 + x6 >= 60 # 10-14点: x1 + x2 >= 70 # 14-18点: x2 + x3 >= 60 # 18-22点: x3 + x4 >= 50 # 22-2点: x4 + x5 >= 20 # 2-6点: x5 + x6 >= 30 # 转换为 Scipy 需要的矩阵形式 (Ax <= b)，即取负号 A_ub = [ [-1, 0, 0, 0, 0, -1], # 6-10点 [-1, -1, 0, 0, 0, 0], # 10-14点 [0, -1, -1, 0, 0, 0], # 14-18点 [0, 0, -1, -1, 0, 0], # 18-22点 [0, 0, 0, -1, -1, 0], # 22-2点 [0, 0, 0, 0, -1, -1] # 2-6点 ] b_ub = [-60, -70, -60, -50, -20, -30] # 3. 定义变量边界 # 每个班次的人数不能为负数 x_bounds = (0, None) # 对所有变量 x1 到 x6 都适用 # 4. 求解 res = linprog(c, A_ub=A_ub, b_ub=b_ub, bounds=x_bounds, method='highs') # 5. 输出结果 if res.success: print("计算成功！") print("各班次安排人数 (x1到x6):") # 将结果四舍五入为整数，因为人数必须是整数 result = np.round(res.x).astype(int) print(result) print(f"总人数: {sum(result)}") else: print("计算失败:", res.message) ``` ### 方案二：验证您提供的答案 您提到的正确答案是 **[60, 10, 50, 0, 20, 10]**。我们可以用一段简单的代码来验证这个答案是否满足所有时间段的需求。 ```python def validate_schedule(schedule): # schedule: [x1, x2, x3, x4, x5, x6] x1, x2, x3, x4, x5, x6 = schedule # 计算各时段在岗人数 # 6:00-10:00: x1(6-14) + x6(2-10) s1 = x1 + x6 # 10:00-14:00: x1(6-14) + x2(10-18) s2 = x1 + x2 # 14:00-18:00: x2(10-18) + x3(14-22) s3 = x2 + x3 # 18:00-22:00: x3(14-22) + x4(18-2) s4 = x3 + x4 # 22:00-2:00: x4(18-2) + x5(22-6) s5 = x4 + x5 # 2:00-6:00: x5(22-6) + x6(2-10) s6 = x5 + x6 requirements = [60, 70, 60, 50, 20, 30] current_staff = [s1, s2, s3, s4, s5, s6] print("时间段\t所需人数\t实际在岗\t状态") print("6-10\t60\t\t{}\t\t{}".format(s1, "满足" if s1 >= 60 else "不满足")) print("10-14\t70\t\t{}\t\t{}".format(s2, "满足" if s2 >= 70 else "不满足")) print("14-18\t60\t\t{}\t\t{}".format(s3, "满足" if s3 >= 60 else "不满足")) print("18-22\t50\t\t{}\t\t{}".format(s4, "满足" if s4 >= 50 else "不满足")) print("22-2\t20\t\t{}\t\t{}".format(s5, "满足" if s5 >= 20 else "不满足")) print("2-6\t30\t\t{}\t\t{}".format(s6, "满足" if s6 >= 30 else "不满足")) if all(c >= r for c, r in zip(current_staff, requirements)): print("\n验证通过：该方案满足所有时段需求。") print(f"总配备人数: {sum(schedule)}") else: print("\n验证失败：该方案不满足某些时段需求。") # 您提供的答案 user_answer = [60, 10, 50, 0, 20, 10] validate_schedule(user_answer) ``` **运行结果分析：** 如果您运行方案二的代码，会发现 `[60, 10, 50, 0, 20, 10]` 确实满足所有约束条件： - 6-10点：60+10=70 (>=60) ✅ - 10-14点：60+10=70 (>=70) ✅ - 14-18点：10+50=60 (>=60) ✅ - 18-22点：50+0=50 (>=50) ✅ - 22-2点：0+20=20 (>=20) ✅ - 2-6点：20+10=30 (>=30) ✅ 总人数为 150 人。这是一个非常优秀的解，完全符合题目要求。您可以尝试使用方案一的代码，它应该也会计算出相同或非常接近的结果。