Python线性规划实践

[备忘录]

• 题目是这个：
  

写出线性规划式子

scipy

import numpy as np 
from scipy import optimize as op 

# 给出变量取值范围
x1=(0,None)  
x2=(0,None)
x3=(0,None)

c=np.array([-10,-8,-16])   # 目标函数系数,3x1列向量
 
A_ub=np.array([[3,3,2],[4,3,7]]) # 不等式约束系数A，2x3维矩阵
B_ub=np.array([200,300])  # 不等式约束系数b, 2x1维列向量

res=op.linprog(c,A_ub,B_ub,bounds=(x1,x2,x3)) #调用函数进行求解
print(res)

• 结果是：
• 
• 这里注意下就是spicy默认是取min，故此求max的任务需要先转换成min，然后不等式约束默认为$\le$，这个也要转换
• 由于这里只有不等式约束，以防万一以后用到等式约束，看了下贴一下源码，两对参数分别是不等式和等式的左右两边
• 

plup

#-*- coding:utf-8 -*-
from pulp import *

Ingredients = ['A', 'B', 'C']
profits = {'A': 10, 'B': 8, 'C': 16}

Nickel = {'A': 3, 'B': 3, 'C': 2}
Aluminum = {'A': 4, 'B': 3, 'C': 7}
#创建问题实例，求最大极值
prob = LpProblem("The Whiskas Problem", LpMaximize)

#构建Lp变量字典，变量名以Ingr开头，如Ingr_CHICKEN，下界是0
ingredient_vars = LpVariable.dicts("Ingr",
                                   Ingredients,
                                   lowBound=0,
                                   upBound=None)
#添加目标方程
prob += lpSum([profits[i] * ingredient_vars[i] for i in Ingredients])

#添加约束条件
prob += lpSum([Nickel[i] * ingredient_vars[i] for i in Ingredients]) <= 200
prob += lpSum([Aluminum[i] * ingredient_vars[i] for i in Ingredients]) <= 300

#求解
prob.solve()
#查看解的状态
print("Status:", LpStatus[prob.status])
# #查看解
for v in prob.variables():
    print(v.name.split('_')[-1], "=", v.varValue)

• 结果是：
• 
• 这个写起来舒服一点