运筹优化学习26：Python求解线性规划问题入门手册

基础入门示例

线性规划python手册01：基本概念介绍

线性规划python手册02：一些例子

线性规划python手册04：使用pulp包解LP

线性规划手册05：使用Cplex的OPL语言解LP

可用的资源

线性规划和混合整数线性规划是非常重要的主题。如果您想了解更多关于它们的知识，而且要比在这里看到的东西要学得多，那么您可以找到很多资源。以下是一些入门指南：

• Wikipedia Linear Programming Article
• Wikipedia Integer Programming Article
• MIT Introduction to Mathematical Programming Course
• Brilliant.org Linear Programming Article
• CalcWorkshop What Is Linear Programming?
• BYJU’S Linear Programming Article

Gurobi Optimization是一家提供具有Python API的非常快速的商业求解器的公司。它还提供有关线性规划和混合整数线性规划的宝贵资源，包括以下内容：

• Linear Programming (LP) – A Primer on the Basics
• Mixed-Integer Programming (MIP) – A Primer on the Basics
• Tutorials
• Choosing a Math Programming Solver

如果您想学习优化理论，那么这里有很多数学书籍。以下是一些受欢迎的选择：

• Linear Programming: Foundations and Extensions
• Convex Optimization
• Model Building in Mathematical Programming
• Engineering Optimization: Theory and Practice

这只是现有功能的一部分。线性规划和混合整数线性规划是流行且广泛使用的技术，因此您可以找到无数资源来帮助加深您的理解。

常见的求解器

就像有很多资源可以帮助您学习线性规划和混合整数线性规划一样，也有很多具有Python包装器的求解器。以下是部分清单：

• GLPK
• LP Solve
• CLP
• CBC
• CVXOPT
• SciPy
• SCIP with PySCIPOpt
• Gurobi Optimizer
• CPLEX
• XPRESS
• MOSEK

其中一些库（例如Gurobi）包括其自己的Python包装器。其他人则使用外部包装器。例如，您看到可以使用PuLP访问CBC和GLPK。

结论

您现在知道什么是线性规划以及如何使用Python解决线性规划问题。您还了解到Python线性规划库只是本机求解器的包装。当求解程序完成其工作时，包装程序将返回解决方案状态，决策变量值，松弛变量，目标函数等。
在本教程中，您学习了如何：

• 定义代表您的问题的模型
• 创建一个Python程序进行优化
• 运行优化程序以找到问题的解决方案
• 检索优化结果

您将SciPy与它自己的求解器一起使用，并将PuLP与CBC和GLPK一起使用，但是您还了解到还有许多其他的线性规划求解器和Python包装器。现在，您准备好进入线性规划的世界！