Python使用scipy简单求解线性规划问题

在运筹学中，对于线性规划问题的求解，人工计算通常使用「单纯形法」。利用一个Python程序可以帮我们检查计算结果的正确性。

例：
$$\begin{gathered} \max Z=x_1+2x_2+x_3 \\ s.t.\{\begin{array}{l}2x_1-3x_2+2x_3\le 15\\ \frac{1}{3}{x}_1+x_2+5x_3\le 20\\ x_1,x_2,x_3\ge 0\end{array} \end{gathered}$$

import numpy as np
from scipy import optimize as op

# 决策变量的取值范围，默认为(0, None(+inf))，需要更改的情况作为linprog的bounds参数传入
# bounds = (
#     (0, None),  # x1
#     (0, None),  # x2
#     (0, None)   # x3
# )

# 目标函数Z的系数向量c，默认求最小值(minZ)，乘以-1求解最大值
c = -1 * np.array([1, 2, 1])

# 约束条件的不等式（等式传入A_eq和b_eq参数）系数矩阵
A_ub = np.array([
    [2, -3, 2],
    [1/3, 1, 5]
])
b_ub = np.array([15, 20])

# 问题求解
res = op.linprog(c=c, A_ub=A, b_ub=b)
print('Z* =', -res['fun'])
print(res['x'])

运行结果：

Z* = 48.333333331578594
[2.50000000e+01 1.16666667e+01 1.19224771e-11]

线性规划问题的解可能不唯一，但目标函数的最优解 Z 是唯一的，我们可以与自己人工计算的结果进行比较（程序会有一定的浮点数误差）。