【Python】线性规划问题求解（cvxpy库）

介绍

参考此论文或此网站中的描述。

---

已知：

1. 一个$m\times n$大小的实矩阵$A$。
2. 大小为$m$的实向量$b$。
3. 大小为$n$的实向量$c$。

在线性规划的目标中，我们的目标是找到一个大小为$n$的实向量$x$，使得①$Ax\le b$，②$c^{T}x$最大。（$c^T$是$c$的转置矩阵）

---

分析：

1. 对于$Ax\le b$，左侧可以看做是$x$中个元素的线性组合。
2. 右侧则是对左侧每一组线性组合的约束。
3. $\le b$说明这个约束是通过指定上界来进行约束。
4. 实际上也可以用$=$或$\ge$来约束。
5. 在这样的约束下，所追求的是目标函数$f=c^{T}x$的最大值（也可能最小值）。
6. 而目标函数同样也是$x$中各元素的线性组合。

---

对于具体的问题来说，我们需要分析问题，从中找到已知条件：$A、b、c$，然后就可以求解。

求解

求解算法本文不作介绍，而是直接利用Python中的cvxpy库进行求解。（库的安装，参考官网。cvxpy使用指南。）

案例1

从文库中随意找到一个线性规划的案例。该案例提供了答案，可以用来验证。
案例截图如下：

---

首先从案例中提取出已知条件中的$A、b、c$。

---

其中$A、b$与条件约束有关，可能有多组。因为cvxpy支持多组约束的计算，所以为了问题的清晰表述，将分成了三组约束：

1. 相等约束
   根据$x^{}$