python3管理员身份调用程序,从lin命令以管理员身份运行Python程序

我试着以管理员的身份从命令行运行我的程序。看起来很容易,但我正在挣扎。在

我从这个开始,从Python空闲启动它很好:import dropbox, pymysql, shlex, shutil, subprocess

import logging

import sshtunnel

from sshtunnel import SSHTunnelForwarder

# Main program starts here

print("Hello World!")

但错误如下:

^{pr2}$

谷歌搜索了一下之后,我在开头加了两行:import sys

sys.path.append("/usr/local/lib/python3.4/dist-packages/")

这在Python空闲时也能很好地工作,但是当从命令行运行时会给出一个很长的错误跟踪。。。我还不太擅长理解如何读取跟踪信息,以及如何修复它。(另外,我不明白为什么它作为非管理员从空闲状态工作,而不是作为管理员从命令行工作)有人能帮忙吗?在pi@jsmd:~ $ sudo python /home/pi/Documents/iot_pm2/iot.py

Traceback (most recent call last):

File "/home/pi/Documents/iot_pm2/iot.py", line 5, in

import sshtunnel

File "/usr/local/lib/python3.4/dist-packages/sshtunnel.py", line 25, in

import paramiko

File "/usr/local/lib/python3.4/dist-packages/paramiko/__init__.py", line 30, in

from paramiko.transport import SecurityOptions, Transport

File "/usr/local/lib/python3.4/dist-packages/paramiko/transport.py", line 50, in

from paramiko.dsskey import DSSKey

File "/usr/local/lib/python3.4/dist-packages/paramiko/dsskey.py", line 26, in

from Crypto.PublicKey import DSA

File "/usr/local/lib/python3.4/dist-packages/Crypto/PublicKey/DSA.py", line 89, in

from Crypto import Random

File "/usr/local/lib/python3.4/dist-packages/Crypto/Random/__init__.py", line 29, in

from Crypto.Random import _UserFriendlyRNG

File "/usr/local/lib/python3.4/dist-packages/Crypto/Random/_UserFriendlyRNG.py", line 38, in

from Crypto.Random.Fortuna import FortunaAccumulator

File "/usr/local/lib/python3.4/dist-packages/Crypto/Random/Fortuna/FortunaAccumulator.py", line 39, in

from . import FortunaGenerator

File "/usr/local/lib/python3.4/dist-packages/Crypto/Random/Fortuna/FortunaGenerator.py", line 35, in

from Crypto.Util import Counter

File "/usr/local/lib/python3.4/dist-packages/Crypto/Util/Counter.py", line 59, in

from Crypto.Util import _counter

ImportError: cannot import name _counter

谢谢。在

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Python可以通过调用Cplex来解决Traveling Salesman Problem (TSP)。 TSP是一个经典的旅行商问题,涉及寻找一条路径,使得经过所有城市并返回出发点的总距离最小。Cplex是一个非常强大的数学建模系统和解决器,可以用于解决TSP等各种优化问题。 要在Python调用Cplex来解决TSP问题,首先需要安装Cplex和相关的Python库。Cplex有一个专门的Python接口,可以通过pip安装。安装完成后,就可以在Python脚本中导入Cplex模块,并创建一个求解器对象。 接下来,需要定义TSP问题的相关参数,比如城市数量、城市之间的距离矩阵等。Cplex提供了丰富的优化建模函数,可以根据具体问题需求来定义变量、目标函数和约束条件。在TSP问题中,变量可以表示城市之间的连接关系,目标函数可以是最小化总距离,约束条件可以是保证每个城市只访问一次等。 完成模型定义后,可以调用Cplex求解器来求解TSP问题。Cplex提供了多种求解方法,比如混合整数编程、分支定界和割平面等。根据求解方法的选择和具体问题的规模,求解过程可能需要花费一定的时间。 求解完成后,可以获取最优解的变量取值和目标函数值。根据需求,可以进一步分析和处理解决方案,比如获取最优路径、计算平均旅行距离等。 总之,通过Python调用Cplex来解决TSP问题是一种高效且便捷的方法。Python的灵活性与Cplex的强大求解能力相结合,可以帮助我们更好地解决各种优化问题,包括TSP。 ### 回答2: Python调用Cplex库来解决旅行商问题(TSP)。Cplex是一个强大的优化求解器,可用于解决各种线性规划和混合整数规划问题。 首先,需要在Python中安装Cplex库和相关依赖。可以通过pip命令来安装,如下所示: ```python pip install cplex ``` 接下来,需要导入Cplex库,创建一个Cplex对象,并设置TSP问题的相关参数,例如节点数、距离矩阵等。可以使用以下代码片段实现: ```python import cplex # 创建Cplex对象 problem = cplex.Cplex() # 设置目标函数为最小化 problem.objective.set_sense(problem.objective.sense.minimize) # 设置节点数 num_nodes = 5 # 设置节点间的距离矩阵 distances = [[0, 1, 2, 3, 4], [1, 0, 5, 6, 7], [2, 5, 0, 8, 9], [3, 6, 8, 0, 10], [4, 7, 9, 10, 0]] # 添加变量和约束 var_names = [] var_types = "" var_lb = [] var_ub = [] constraint_names = [] constraint_senses = "" rhs_values = [] # 添加节点访问变量 for i in range(num_nodes): var_names.append("x" + str(i)) var_types += "B" var_lb.append(0) var_ub.append(1) # 添加约束:每个节点只能访问一次 for i in range(num_nodes): row = [] for j in range(num_nodes): if j != i: row.append("x" + str(j)) constraint_names.append("c" + str(i)) constraint_senses += "E" rhs_values.append(1) problem.linear_constraints.add(lin_expr=[cplex.SparsePair(ind=row, val=[1] * (num_nodes - 1))], senses=[constraint_senses[i]], rhs=[rhs_values[i]]) # 添加约束:每个节点必须离开一次 for i in range(num_nodes): row = [] for j in range(num_nodes): if j != i: row.append("x" + str(j)) constraint_names.append("c" + str(num_nodes + i)) constraint_senses += "E" rhs_values.append(1) problem.linear_constraints.add(lin_expr=[cplex.SparsePair(ind=row, val=[1] * (num_nodes - 1))], senses=[constraint_senses[num_nodes + i]], rhs=[rhs_values[num_nodes + i]]) # 设置目标函数 problem.variables.add(obj=[distances[i][j] for i in range(num_nodes) for j in range(num_nodes)], lb=var_lb, ub=var_ub, types=var_types, names=var_names) # 求解问题 problem.solve() # 输出最优解 print("最优解:", problem.solution.get_values()) ``` 上述代码片段实现了一个简化的TSP问题,节点数为5,节点间的距离矩阵已给定。代码首先创建了一个Cplex对象,然后设置了问题的目标函数、变量和约束,最后通过调用`problem.solve()`来求解问题,并输出最优解。 通过以上方式,可以使用Python调用Cplex库来解决TSP问题,并得到最优解。当然,实际的TSP问题可能更加复杂,可能需要进一步优化模型和算法来解决。 ### 回答3: Python调用Cplex TSP(Traveling Salesperson Problem)可以通过以下步骤完成。 首先,我们需要确保已经安装了Cplex和Python的Cplex库。Cplex是一种用于求解优化问题的强大工具,而Cplex库是Python与Cplex的接口。 然后,我们可以使用Python代码来调用Cplex库,并定义TSP问题的变量和参数。例如,我们可以创建一个空的Cplex问题对象,并指定问题的目标函数和约束条件。 接下来,我们需要定义问题的变量。在TSP问题中,变量通常代表城市之间的路径。我们可以使用Cplex的变量类型来定义这些变量,例如二进制变量或整数变量。 然后,我们可以使用Python代码来设置问题的目标函数。在TSP问题中,目标是找到一条路径,使得旅行的总距离最短。我们可以使用Cplex库提供的函数来设置目标函数。 随后,我们可以设置问题的约束条件。在TSP问题中,约束条件通常是确保每个城市都恰好被访问一次的条件。我们可以使用Cplex库提供的函数来设置这些约束条件。 最后,我们可以使用Cplex的求解器来解决TSP问题,并获取最优解。我们可以使用Cplex库提供的函数来调用求解器,并检查求解器的返回结果。如果返回结果为最优解,则可以获取解的相关信息,例如路径和总距离。 总的来说,Python调用Cplex TSP可以通过安装Cplex库、定义问题的变量和参数、设置目标函数和约束条件,最后使用Cplex的求解器来获取最优解。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值