python求解整数线性规划

“”"

作者：川川

@时间 : 2022/1/30 0:35

群：428335755

“”"

import cvxpy as cp

from numpy import array

c = array([40, 90]) # 定义目标向量

a = array([[9, 7], [-7, -20]]) # 定义约束矩阵

b = array([56, -70]) # 定义约束条件的右边向量

x = cp.Variable(2, integer=True) # 定义两个整数决策变量

obj = cp.Minimize(c * x) # 构造目标函数

cons = [a * x <= b, x >= 0] # 构造约束条件

prob = cp.Problem(obj, cons) # 构建问题模型

prob.solve(solver=‘GLPK_MI’, verbose=True) # 求解问题

print(“最优值为:”, prob.value)

print(“最优解为：\n”, x.value)

运行结果如下：

由于注释很详细，我就没啥好说的了，如果你有不懂，可以评论区留言，或者加我联系方式问我。

scipy求解

---

模块安装：

pip install scipy

首先要转化为标准的式：

求解标准式代码如下：

from scipy import optimize

import numpy as np

求解函数

res = optimize.linprog(c, A, b, Aeq, beq, LB, UB, X0, OPTIONS)

目标函数最小值

print(res.fun)

最优解

print(res.x)

标准形式是<=，如果是>=，则在两边加上符号-。

举个例子如下：

求解代码为：

from scipy import optimize

import numpy as np

确定c,A,b,Aeq,beq

c = np.array([2, 3, -5])

A = np.array([[-2, 5, -1], [1, 3, 1]])

B = np.array([-10, 12])

Aeq = np.array([[1, 1, 1]])

Beq = np.array([7])

求解

res = optimize.linprog(-c, A, B, Aeq, Beq)

print(res)

运行如下：
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%以上前端开发知识点，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，可以扫码获取！！！（备注：Python）

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%以上前端开发知识点，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，可以扫码获取！！！（备注：Python）