python数学建模导论1.2 线性规划的标准形式与求解策略

python数学建模导论1.2 线性规划的标准形式与求解策略

上图代码：

from scipy import optimize
import numpy as np

c= np.array([2,3,-5])   #题目求极大值，在最后res要写成-c，求标准形式的解
A = np.array([[-2,5,-1],[1,3,1]]) # 不等式条件
b = np.array([-10,12])
Aeq = np.array([[1,1,1]])   # 不等式条件
beq = np.array([7])   #等式解
x1 = (0,None)
x2 = (0,None)
x3 = (0,None)

res = optimize.linprog(-c,A,b,Aeq,beq,bounds=(x1,x2,x3))
print(res)

结果示例：

上图中fun求出的是目标函数的最小值，x:求出的为最小值所对应的x1,x2,x3的最优值