人工智能 --- Python求解线性和非线性规划问题

最新推荐文章于 2024-08-09 21:10:26 发布

づ如影随行とじ

最新推荐文章于 2024-08-09 21:10:26 发布

阅读量5.7k

点赞数 11

本文链接：https://blog.csdn.net/weixin_45306136/article/details/105620794

版权

本文详细介绍了使用Python解决线性规划和非线性规划问题的方法，包括Excel的大M法、Excel的规划求解包、Python的单纯形法和Scipy库。通过对实际问题的求解和结果对比分析，展示了不同方法的优缺点。

摘要由CSDN通过智能技术生成

基于jupyter notebook的Python编程

1、线性规划中的单纯形法、大M法的excel求解、python编程求解和python包求解；
2、非线性规划的拉格朗日乘子法的手工数学推导、python编程和python包求解；

一、线性规划问题求解

1、Excel中大M法与Excel的“规划求解”包对实际问题的求解比较

实际例题：

求解以下约束条件的线性规划的最大值和最优解

在这里插入图片描述

使用大M法对实际问题的求解

在这里插入图片描述

使用Excel的“规划求解”包对实际问题的求解

在Excel中将数据及相应的公式写入到Excel里
在这里插入图片描述
通过Excel自带的“规划求解”功能，将结果求解出来

2、Python求解线性规划问题

在这里插入图片描述

2.1 新建txt文档，填入线性回归分析标准化模型

新建txt文档，写入标准化模型系数，如下所示
在这里插入图片描述

2.2 Python使用单纯法对实际线性规划问题的求解

python 代码如下

import numpy as np #导入相应的库
import sys
def solve(d,bn):
    while max(list(d[0][:-1])) > 0:
        l = list(d[0][:-2])
        jnum = l.index(max(l)) #转入下标
        m=[]
        for i in range(bn):
            if d[i][jnum] == 0:
                m.append(0.)
            else:
                m.append(d[i][-1]/d[i][jnum]) 
        inum = m.index(min([x for x in m[1:] if x!=0])<