利用scipy.optimize.linprog()方法求解线性规划问题

最新推荐文章于 2024-08-09 21:10:26 发布

Fisher005

最新推荐文章于 2024-08-09 21:10:26 发布

阅读量340

点赞数

文章标签： scipy python

本文链接：https://blog.csdn.net/Fisher005/article/details/129677603

版权

'''
对于线性规划问题，采用scipy.optimize.linprog()方法求解
scipy.optimize.linprog(c,A,b,Aeq,beq,bounds=bounds)
c:目标函数系数向量，min形式
A：<=型约束形成的系数矩阵（≥型约束要化为≤型约束），单个约束也要表示成二位形式！！！
b：<=型约束的右边常数向量
Aeq：等式约束系数矩阵,单个约束也要表示成二维形式！！！
beq：等式约束右边常数向量
bounds: [[a，b],[]..]二维列表格式，n行2列的矩阵，n行指n个决策变量，2列指下限上限
'''
例子：求解下列线性规划问题

from scipy import optimize
c=[-2,-3,5]
A=[[-2,5,-1],[1,3,1]]
b=[-10,12]
Aeq=[[1,1,1]]
beq=[7]
bounds=[[0,None],[0,None],[0,None]]
result= optimize.linprog(c, A, b, Aeq, beq, bounds=bounds)
print(result)