feed-formula-calculator/feed_formula_calculator.py

import pulp
import pandas as pd
from tabulate import tabulate
import os


def calculate_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：每种原料比例（0-1，单位：比例）
    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：总比例=100%
    model += pulp.lpSum([x[i] for i in ingredients]) == 1, "总比例"

    # 约束2：营养需求（下限/上限）
    for req, value in requirements.items():
        if '下限' in req:
            nutrient = req.replace('_下限', '')
            # 营养总和≥下限（如蛋白≥17%）
            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（如纤维≤6%）
            model += pulp.lpSum([x[i] * ingredients[i][nutrient] for i in ingredients]) <= value, req

    # 求解：用CBC极限精度，深度优先，限时10秒
    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：CBC不可用，使用默认求解器，精度可能稍低")
        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，价格元/吨，2025年9月农业农村部/饲料市场信息网）
    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（30-115kg，NY/T 65-2004+丹麦标准，单位：%或MJ/kg）
    requirements = {
        '蛋白_下限': 17,
        '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,
        '单宁_上限': 0.5
    }

    # 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（2025年养猪网，21-35kg调整至30-115kg）
    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")