python线性整数规划求解_实例详解：用Python解决整数规划问题！

我们将使用整数规划来做出最佳决策

整数规划(IP)问题是所有变量都被限制为整数的优化问题(指规划中的变量(全部或部分)限制为整数，若在线性模型中，变量限制为整数，则称为整数线性规划)。IP问题是有关于如何最好地分配资源的有用数学模型。

假设你正在组织针对政治候选人的营销活动，并且你正在决定向哪些组成部分发送营销材料。你可以向每个组织发送一张吸引人的传单，一份详细的解释你的日程表的小册子，或一张保险杠贴纸(或三者的组合)。如果你有办法根据收到的营销材料来衡量某人投票给候选人的可能性，你如何决定发送哪些材料，同时不超过你的供应量？

传统的优化算法假定变量可以采用浮点值，但在我们的例子中，向某人发送一半保险杠贴纸或四分之三小册是不合理的。我们将使用一个名为cvxpy的特殊python包来解决我们的问题，这样解决方案才有意义。

这里将向你展示如何使用cvxpy解决政治候选人问题，首先会从一个简单的问题开始，称为背包问题，然后展示cvxpy语法的工作原理。

背包问题

让我们假装你正在进行徒步旅行，并且正在计划你可以携带的物品。你想把所有的东西都拿走，但是你的背包只能携带P磅。假设你可以取一个物体，目标是最大限度地提高实用性，而不会超出重量限制。

一个cvxpy问题有三个部分：

1.创建变量：我们将用1和0的向量在数学上表示我们的选择。 1意味着我们选择了这个对象，而0意味着我们将它留在家中。我们用cvxpy.Bool对象构造一个只能取1和0的变量。

2.指定约束条件：我们只需确保我们的对象总和不超过重量限制P。我们可以用选择向量和权向量的点积