用PuLP构造并求解简单线性规划问题
前言
利用python可以较为简便的求解运筹学当中的线性规划问题,下面将通过例题和代码结合的形式展示如何通过python的PuLP库解决线性规划问题。
一、简单线性规划问题举例
线性规划是最优化问题中的一个重要领域。在作业研究中所面临的许多实际问题都可以用线性规划来处理,特别是某些特殊情况,例如:网络流、多商品流量等问题,都被认为非常重要。
对于给出的线性规划问题,可供使用求解的工具很多,比如excel、python等,下面将通过一个线性规划问题,举例说明如何用Pulp构造并求解。
二、Pulp构造并求解
1.例题实现
from pulp import *
my_LpProblem = LpProblem("1/2 Problem", LpMaximize)
x1 = LpVariable("X1" , 0)
x2 = LpVariable("X2" , 0)
x3 = LpVariable("X3" , 0)
my_LpProblem += -3*x1 + 1*x2+ 1*x3
my_LpProblem += 1*x1 - 2*x2 + 1*x3 <= 11
my_LpProblem += -4*x1 + 1*x2 + 2*x3 >= 3
my_LpProblem += -2*x1 + 1*x3 == 1
my_LpProblem.solve()
2.结果呈现
print("Status:",LpStatus[my_LpProblem.status])
for v in my_LpProblem.variables():
print(v.name, "=", v.varValue)
print("objective = ", value(my_LpProblem.objective))
总结
本文展示了如果通过python的pulp库构建并求解线性规划问题,观者在使用时,应该注意线性规划问题变量的正负性,限制条件的符号,灵活修改代码,求出正解。