数学建模——线性规划

数学建模——线性规划

参考博客：用python解决线性规划

模型标准型：

所需库：scipy、pulp(可选)

例题1

转化为标准形：
$\{\begin{array}{l}-x+y\le 5\\ -x-y\le 0\\ x\le 3\end{array}$

import numpy as np
from scipy import optimize
#以下符号与标准形对应
z = np.array([4,-1]) #z = 4x-y
A = np.array([[-1,1],
              [-1,-1]]) # 约束条件系数矩阵
b = np.array([5,0]) 
x = (None,3) #x<=3
y = (None,None)
res = optimize.linprog(z,A,b,bounds=(x,y))
res

     con: array([], dtype=float64)
     fun: -12.499999999587356
 message: 'Optimization terminated successfully.'
     nit: 4
   slack: array([1.52723167e-10, 2.05568895e-11])
  status: 0
 success: True
       x: array([-2.5,  2.5])

例题2

转化为标准型：
$\{\begin{array}{l}-2x_1+5x_2-x_3\le -10\\ x_1+3x_2+x_3\le 12\\ x_1+x_2+x_3=7\\ x_1,x_2,x_3\ge 0\end{array}$

import numpy as np
from scipy import optimize

z = np.array([2,3,-5]) #要求最大值，只要在最后调用函数时乘一个-1就行，系数不用改
A = np.array([[-2,5,-1],[1,3,1]])
b = np.array([-10,12])
Aeq = np.array([[1,1,1]]) #注意是二维数组
beq = np.array([7])
x1 = (0,None)
x2 = (0,None)
x3 = (0,None)
res = optimize.linprog(-z,A,b,Aeq,beq,(x1,x2,x3))
res

     con: array([1.80712245e-09])
     fun: -14.571428565645084
 message: 'Optimization terminated successfully.'
     nit: 5
   slack: array([-2.24599006e-10,  3.85714286e+00])
  status: 0
 success: True
       x: array([6.42857143e+00, 5.71428571e-01, 2.35900788e-10])

pulp库可选学，此不附，可参见参考博客

总结步骤：

• 列出标准型方程
• 调包（doge）
• 根据方程列出价值向量、约束条件的系数矩阵、常数向量（注意是小于等于条件下的），等于条件分开列，以及决策变量的范围
• 调用函数，依次输入价值向量、系数矩阵、常数向量、等式条件的系数矩阵、常数向量、决策向量

来个综合题

习题来源:《数学建模算法与程序》司守奎

分析题目，可知决策向量为每个货舱内各个货物的质量，可视为三行四列的矩阵