【人工智能与机器学习 】第8周作业-实验报告

单纯形法

单纯形法是一种迭代算法，其基本原理就是从线性规划问题的一个基可行解出发，通过不断变化基变量，寻找到使得目标函数取得最优解的基可行解，也可以理解为从单纯形上的一个顶点走向另一个顶点，直到在某个顶点上目标函数取得最优值为止。

单纯形法的解题步骤

1）、把线性规划问题的约束方程组表达成典范型方程组，找出基本可行解作为初始基本可行解。
2）、若基本可行解不存在，即约束条件有矛盾，则问题无解。
3）、若基本可行解存在，从初始基本可行解作为起点，根据最优性条件和可行性条件，引入非基变量取代某一基变量，找出目标函数值更优的另一基本可行解
4）、按步骤3进行迭代,直到对应检验数满足最优性条件（这时目标函数值不能再改善），即得到问题的最优解。
5）、若迭代过程中发现问题的目标函数值无界，则终止迭代。

具体代码如下

import numpy as np
def pivot(d,bn):
    l = list(d[0][:-2])
    jnum = l.index(max(l)) #转入编号
    m = []
    for i in range(bn):
        if d[i][jnum] == 0:
            m.append(0.)
        else:
            m.append(d[i][-1]/d[i][jnum])
    inum = m.index(min([x