model Dakota
   !se ho capito correttamente, dovrebbero essere i valori ottenuti tramite l’objective function
   !di slide 27 quando la nostra scelta di acquisto iniziale (x_I, x_f, x_c) è quella di una
   !particolare ipotesi iniziale di domanda (low, m. likely, high). I valori di profitto riportati
   !sono i massimi della precedente objective function, che considera tutte le
   !possibili domande di prodotti che possono verificarsi dopo l’acquisto iniziale. 
   !Ho scritto come esercizio il seguente codice Mosel che permette di trovare 
   !i valori dell’ultima colonna di slide 35 prendendo in ingresso solo la scelta di acquisto iniziale 
   !(1 per low, 2 per m. likely, 3 per high). I risultati coincidono correttamente con quelli delle slide. 
  options noimplicit
  uses "mmxprs"

  declarations

    ! indexes
    products = 1..3
    scenarios = 1..3
    resources = 1..3

    ! variables
    plan: integer
    y: array(products) of mpvar
    price: array(products) of integer
    demand: array(products,scenarios) of integer
    bought: array(resources,scenarios) of integer
    need: array(resources,products) of real
    p: array(scenarios) of real
    earn: array(scenarios) of real
    cost: array(resources) of real
    s: array(scenarios) of string
    pr: array(products) of string
    profit:linctr

  end-declarations

  ! initialization
  price::[60,40,10]
  demand::[50,150,250,20,110,250,200,225,500]
  bought::[520,1860,3500,240,820,1500,130,465,875]
  need::[8,6,1,4,2,1.5,2,1.5,0.5]
  p::[0.3,0.4,0.3]
  cost::[2,4,5.2]
  s::["Low","Most likely","High"]
  pr::["Desks\t","Tables\t","Chairs\t"]

  ! planned scenario
  plan := 3
  writeln("Planned: ",s(plan))

  ! constraints
  forall(i in products) y(i) is_integer
  forall(j in resources) sum(i in products) need(j,i)*y(i) <= bought(j,plan)

  forall(k in scenarios) do
   forall(i in products) y(i) <= demand(i,getlast(scenarios)+1-k)

   ! maximize earns
   profit := p(k)*sum(i in products) price(i)*y(i)
   maximize(profit)

   writeln("Actual: ",s(getlast(scenarios)+1-k))
   forall(i in products) writeln(pr(i),getsol(y(i)))
   earn(k) := getobjval

  end-do

  ! minimize expenses
  profit := sum(j in resources) -cost(j)*bought(j,plan)+sum(i in scenarios) earn(i)
  maximize(profit)

  writeln("Expected profit: ", getobjval)

end-model