在学习这个案例的时候,有几个细节有点疑问,查了一些资料,作为图书上注释的一些补充吧。
from scipy.optimize import linprog
c=[-1, 2, 3]; A = [[-2, 1, 1], [3, -1, -2]]
b=[[9], [-4]]; Aeq=[[4, -2, -1]]; beq=[-6]
LB=[-10, 0, None];
UB=[None]*len(c) #生成3个None的列表
bound=tuple(zip(LB, UB)) #生成决策向量界限的元组
res=linprog(c,A,b,Aeq,beq,bound)
print("目标函数的最小值:",res.fun)
print("最优解为:",res.x)
对于其中的tuple()和zip()的说明如下:
(一)tuple() 函数
tuple() 函数将列表转换为元组。
tuple([1,2,3,4])
(1, 2, 3, 4)
tuple({1:2,3:4}) #针对字典 会返回字典的key组成的tuple
(1, 3)
tuple((1,2,3,4)) #元组会返回元组自身
(1, 2, 3, 4)
(二)zip() 函数
zip() 函数用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的列表。
如果各个迭代器的元素个数不一致,则返回列表长度与最短的对象相同,利用 * 号操作符,可以将元组解压为列表。
a = [1,2,3]
b = [4,5,6]
c = [4,5,6,7,8]
zipped = zip(a,b) # 打包为元组的列表
[(1, 4), (2, 5), (3, 6)]
>>> zip(a,c) # 元素个数与最短的列表一致
[(1, 4), (2, 5), (3, 6)]
>>> zip(*zipped) # 与 zip 相反,*zipped 可理解为解压,返回二维矩阵式
[(1, 2, 3), (4, 5, 6)]