线性规划单纯形法python实现与代码详细解读

1 单纯形法（Simplex method）

1. 单纯形法是线性规划求解的经典方法之一，它的理论基础在于线性规划的解一定可以在顶点，即基可行解处取得。
2. 举个简单例子，大家熟悉的二元线性规划中，目标函数的直线在坐标系上移动，在与可行域的交界处会取得最优解，即使目标函数与边界线相重合，也必然会有顶点位于该重合的直线上，即在顶点处必然会取得最优解。
3. 基于以上论述，单纯形法就是从一个基可行解开始，通过一次改变一个基变量，从而实现从当前顶点转至下一个顶点的过程，结合基变量的模型表达式如下：
   $max{c}_B{X}_B+c_N{X}_N$
   $s.t.B{X}_B+N{X}_N=b$
   $X_B\ge 0,X_N\ge 0$

2 编程思路

对于单纯形法的编程实现，其主要基于单纯形表，即约束系数矩阵，约束常数项以及检验数组成，通过初等行变换不断构建列线性无关的基，观察检验数的变化，当检验数表示其他变量入基不会带来更好的目标时，也就达到了最优解，具体的过程解读以及内在含义将在下方结合代码说明。

3 python实现原理解读

鉴于博主也为算法小白，源代码参考于运筹系列1：线性规划单纯形法python代码
原博主的代码实现方式非常简洁，但对于初学者而言还是会相对难以理解，本文也旨在对其做较为详细的说明与解读。

1. 数据准备
   该算法的输入为一个已有一组基的单纯形表，目标函数取最大值，如下表

( 1 14 6 0 0 0 0 0 1 1 1 1 0 0 0 4 1 0 0 0 1 0 0 2 0 0 1 0 0 1 0 3 0 3 1 0 0 0 1 26 ( x 1 x 2 x 3 x 4 x 5 x 6 x 7 b ) ) \quad\quad\quad\quad\quad\quad\quad\quad\begin{pmatrix} 1&14&6&0&0&0 &0&0\\\\ 1&1&1&1&0&0 &0&4\\\\ 1&0&0&0&1&0 &0&2\\\\ 0&0&1&0&0&1 &0&3\\\\ 0&3&1&0&0&0 &1&26\\\\ (x_1&x_2&x_3&x_4&x_5&x_6 &x_7&b)\\\\ \end{pmatrix} ⎝⎜⎜⎜⎜⎜⎜