main.py

#Para los resultados se debe crear un txt con los resultados. Es mejor que un pdf porque no necesita
#librerías externas. Hacer esto una vez que se esté seguro que los resultados están buenos.

from gurobipy import Model, GRB, quicksum
from datos.creacion_datos import F, n, b, d, v, minc, maxc, z, exp, u, PR, V
import random
import csv

#Cantidad de días
T = 28
# Cantidad de productos
P = 100


# Rangos
T_ = range(1, T + 1)
E_ = range(1, T + 1)
P_ = range(1, P + 1)
Q_ = ["R", "C", "A"]
N_ = range(0, int(T/7) - 1)
# Parametros:

# Costo Fijo por hacer un pedido de p el día t

# Costo de una unidad de p en el día t.

# Precio por guardar una unidad del producto p en bodega desde el dıa t al t + 1

# Volumen máximo que se puede almacenar en la bodega del tipo de producto q

# Volumen que ocupa una unidad del producto p

# Demanda del producto p en el dıa t.
 
# Mınima cantidad que se puede pedir del producto p

# Volumen máximo que se puede transportar del producto p.

# Presupuesto inicial

# Precio de venta del producto p

# Cantidad de días para que se venza p después de haberlo comprado.

# Costo de desechar un producto p debido a que esta vencido.


############### MODELO ###############

model = Model()

#### Variables

# Cantidad comprada del producto p en el día t que vence en e días
c = model.addVars(P_, T_, E_)
# Si se decide comprar el producto p en el dia t
C = model.addVars(P_, T_, vtype = GRB.BINARY)
# Cantidad vendida del producto p en el dıa t que vencıa en e dıas.
s = model.addVars(P_,T_,E_)
# Cantidad en el inventario del producto p al final del dıa t que vence en e dıas.
i = model.addVars(P_,range(0, T + 1),E_)
# Cantidad de p desechada al final del dıa t, porque vence en t + 1.
w = model.addVars(P_, T_)
# Presupuesto del supermercado al final del dıa t, despues de haber pagado el bodegaje para la noche.
B = model.addVars(T_)

#### Función Objetivo

objetivo = sum(sum(w[p,t] for p in P_) for t in T_)

#### Restricciones

#R1 
model.addConstrs(B[t] == B[t-1] +   sum(sum(s[p,t,e]*z[p] for e in E_) for p in P_) -\
                                    sum(sum(c[p,t,e]*n[p,t] for e in E_) for p in P_) -\
                                    sum(w[p,t]*u[p] for p in P_) -\
                                    sum(sum(i[p,t,e] * b[p,t] for e in range(2, T + 1)) for p in P_) -\
                                    sum(C[p,t]*F[p,t] for p in P_) 
                                    for t in range(2, T + 1))

#R2
model.addConstr(B[1] == PR) 

#R3
M = 10000000
model.addConstrs(sum(c[p,t,e] for e in E_) <= C[p,t] * M    for t in T_ 
                                                            for p in P_)

# R4 
model.addConstrs(minc[p] * C[p,t] <= c[p,t,e]  for t in T_ 
                                            for p in P_
                                            for e in E_ if exp[p] == e) 

# R5
model.addConstrs(i[p,0,e] == 0  for e in E_ 
                                for p in P_)

#R6 
model.addConstrs(i[p,t,e] == i[p, t-1, e+1] + c[p,t,e] - s[p,t,e]   for t in range(1, T + 1) 
                                                                    for e in range(1, T) 
                                                                    for p in P_)

#R7
model.addConstrs(i[p,t,T] == c[p,t,T] - s[p,t,T]    for t in T_ 
                                                    for p in P_)

#R8 
model.addConstrs(c[p,t,e] == 0  for t in T_ 
                                for p in P_ 
                                for e in E_ if exp[p] != e)

#R9 
model.addConstrs(sum(i[p,t-1,e] + c[p,t,e] for e in range(2, T+1)) >= d[p,t]    for t in T_ 
                                                                                for p in P_)

#R10
model.addConstrs(sum(sum(i[p,t,e]*v[p] for e in range(2,T+1)) for p in P_) <= V[q]  for q in Q_ 
                                                                                    for t in T_) 

#R11 
model.addConstrs(sum(sum(c[p,t,e]*v[p] for e in E_) for p in P_) <= maxc[p]     for p in P_ 
                                                                                for t in T_)

#R12 
model.addConstrs(sum(s[p,t,e] for e in E_) == d[p,t]    for p in P_ 
                                                        for t in T_)

#R13 
model.addConstrs(w[p,t] == i[p,t,1] for p in P_ 
                                    for t in T_)

#R14 
model.addConstrs(sum(C[p,t] for t in range(1 + n*7, 7 + n*7)) <= 2  for p in P_ 
                                                                      for n in range(0, int(T/7) - 1))

#R15
model.addConstrs(c[p,t,e] >= 0  for t in T_ 
                                for p in P_ 
                                for e in E_) 

#R16
model.addConstrs(s[p,t,e] >= 0  for t in T_ 
                                for p in P_ 
                                for e in E_)  

#R17
model.addConstrs(i[p,t,e] >= 0  for t in T_ 
                                for p in P_ 
                                for e in E_)  

#R18 
model.addConstrs(w[p,t] >= 0    for t in T_ 
                                for p in P_) 

#R19
model.addConstrs(B[t] >= 0 for t in T_) 

model.setObjective(objetivo, GRB.MINIMIZE)

model.setParam("TimeLimit", 30*60)

model.optimize()


#### Imprimir resultados
print(minc[1], maxc[1],exp[1])
print(model.ObjVal)

with open('resultados.csv', 'w') as resultados:
    archivo_escribirle = csv.writer(resultados)
    resultados.write("Valor Objetivo Final = "+str(model.ObjVal)+"\n")
    primera_fila = 'dia','demanda','dias_vence','inventario','comprados'
    archivo_escribirle.writerow(primera_fila)

    for t in T_:
        for e in E_:
            fila = f'{t}',f'{d[1,t]}',f'{e}',f'{round(i[1,t,e].x)}',f'{round(c[1,t,exp[1]].x)}'
            archivo_escribirle.writerow(fila)


for t in T_:
    print(f"El presupuesto en este día es {B[t].x}")
    print(f"La demanda por el producto el dia {t} es {d[1,t]}")
    for e in E_:
        if i[1,t,e].x != 0:
            print(f"El inventario de 1 que vence en {e} dias el dia {t} es {i[1,t,e].x}")
    print(f"Se compraron {c[1,t,exp[1]].x}")