(2)Scipy库实现
import numpy as np
from scipy import optimize as op
from scipy.optimize import linprog
目标函数
c = np.array([2,17,20,28,0,0,0,0])
等式约束
A_eq = np.array([[1,1,1,1,0,0,0,0]])
B_eq = np.array([420])
#不等式约束
#RG1+RG2+RG3+RG4>=250
#PG1+RG1<=250 PG2+RG2<=230 PG3+RG3<=240 PG4+RG4<=250
A_ub=np.array([[0,0,0,0,-1,-1,-1,-1],[1,0,0,0,1,0,0,0],[0,1,0,0,0,1,0,0],[0,0,1,0,0,0,1,0],[0,0,0,1,0,0,0,1]])
B_ub=np.array([-250,250,230,240,250])
#上下限
PG1=(0,250)
PG2=(0,230)
PG3=(0,240)
PG4=(0,250)
RG1=(0,0)
RG2=(0,160)
RG3=(0,190)
RG4=(0,0)
def main():
res = op.linprog(c, A_ub, B_ub, A_eq, B_eq, bounds=(PG1,PG2,PG3,PG4,RG1,RG2,RG3,RG4))
x=res.x
print(‘-------------求解结果--------------’)
print(‘电网公司调度最小费用(不计及备用报价):’,res.fun)
print(‘------------各机组出力--------------’)
print(‘PG1’,x[0])
print(‘PG2’, x[1])
print(‘PG3’, x[2])
print(‘PG3’, x[3])
print(‘RG1’, x[4])
print(‘RG2’, x[5])
print(‘RG3’, x[6])
print(‘RG4’, x[7])
if name == “main”:
main()
-------------求解结果--------------
电网公司调度最小费用(不计及备用报价): 3389.999999891957
------------各机组出力--------------
PG1 249.99999999045255
PG2 169.99999999295707
PG3 1.1774337158236562e-09
PG3 2.5833623929779e-10
RG1 0.0
RG2 59.99999999834014
RG3 189.99999999260325
RG4 0.0
Process finished with exit code 0
4、代码实现——计备用服务报价情况下
(1)Pulp库实现
import numpy as np
import pulp as pu
Lp = pu.LpProblem(“LpProb”, sense=pu.LpMinimize) # 最小值(最大值:LpMaximize)
PG1 = pu.LpVariable(‘PG1’, lowBound=0, upBound=250, cat=‘continous’) # 连续(Integer:离散,Binary:0/1变量)
PG2 = pu.LpVariable(‘PG2’, lowBound=0, upBound=230, cat=‘continous’)
PG3 = pu.LpVariable(‘PG3’, lowBound=0, upBound=240, cat=‘continous’)
PG4 = pu.LpVariable(‘PG4’, lowBound=0, upBound=250, cat=‘continous’)
RG1 = pu.LpVariable(‘RG1’, lowBound=0, upBound=0, cat=‘continous’)
RG2 = pu.LpVariable(‘RG2’, lowBound=0, upBound=160, cat=‘continous’)
RG3 = pu.LpVariable(‘RG3’, lowBound=0, upBound=190, cat=‘continous’)
RG4 = pu.LpVariable(‘RG4’, lowBound=0, upBound=150, cat=‘continous’)
Lp += 2PG1+17PG2+20PG3+28PG4+0RG1+0RG2+5RG3+7RG4
Lp += (RG1+RG2+RG3+RG4>=250)
Lp += (PG1+RG1<=250)
Lp += (PG2+RG2<=230)
Lp += (PG3+RG3<=240)
Lp += (PG4+RG4<=250)
Lp += (PG1+PG2+PG3+PG4==420) # 等式
Lp.solve()
print(“status:”, pu.LpStatus[Lp.status]) # 输出求解状态
print(‘------------各机组出力--------------’)
for i in Lp.variables():
print(i.name, “=”, i.varValue)
print(“电网公司调度最小费用(不计及备用报价):”, pu.value(Lp.objective))
status: Optimal
------------各机组出力--------------
PG1 = 250.0
PG2 = 70.0
PG3 = 100.0
PG4 = 0.0
RG1 = 0.0
RG2 = 160.0
RG3 = 90.0
RG4 = 0.0
电网公司调度最小费用(不计及备用报价): 4140.0
Process finished with exit code 0
(2)Scipy库实现
import numpy as np
from scipy import optimize as op
from scipy.optimize import linprog
目标函数
c = np.array([2,17,20,28,0,0,5,7])
等式约束
A_eq = np.array([[1,1,1,1,0,0,0,0]])
B_eq = np.array([420])
#不等式约束
#RG1+RG2+RG3+RG4>=250
#PG1+RG1<=250 PG2+RG2<=230 PG3+RG3<=240 PG4+RG4<=250
A_ub=np.array([[0,0,0,0,-1,-1,-1,-1],[1,0,0,0,1,0,0,0],[0,1,0,0,0,1,0,0],[0,0,1,0,0,0,1,0],[0,0,0,1,0,0,0,1]])
B_ub=np.array([-250,250,230,240,250])
#上下限
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、学习软件
工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全,刚开始学习的时候你可以只看视频或者听某个人讲课,但等你学完之后,你觉得你掌握了,这时候建议还是得去看一下书籍,看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
五、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
六、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
img-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)
六、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。