线性非线性规划问题

一、用Excel和python编程完成线性规划问题的求解

限制条件：
电视广告至少投放20次(包括日间和夜间)；
触达用户数(曝光量)不少于10万；
电视广告投入费用不超过3万元；
现在公司总共给到4万的营销费用，要求咨询电话量的最大化

二、用拉格朗日方法求解，编程求解。

问题数学化

Z=600x1+800x2+500x3+400x4+300x51000x1+2000x2≤30000x1+x2≥201000x1+2000x2+400x3+1000x4+100x5≤400002000x1+4000x2+3000x3+5000x4+600x5≥100000x1≤14,x2≤8,x3≤40,x4≤5,x5≤50x1,x2,x3,x4,x5≥0
{Z=600x1+800x2+500x3+400x4+300x51000x1+2000x2≤30000x1+x2≥201000x1+2000x2+400x3+1000x4+100x5≤400002000x1+4000x2+3000x3+5000x4+600x5≥100000x1≤14,x2≤8,x3≤40,x4≤5,x5≤50x1,x2,x3,x4,x5≥0

scipy库中线性规划求解函数的说明
函数原型

scipy.optimize.linprog(c,A_ub=None,b_ub=None,A_eq=None,b_eq=None,bounds=None,method=‘interior_point’,callback=None,options=None,x0=None)​

参数说明
c：线性目标函数的系数，前面加-表示求最小值
A_ub（可选参数）：不等式约束矩阵
b_ub（可选参数）：不等式约束向量
A_eq（可选参数）：等式约束矩阵
b_eq（可选参数）：等式约束向量
bounds（可选参数）：定义决策变量的最小值和最大值
method（可选参数）：算法，{‘interior-point’, ‘revised simplex’, ‘simplex’}以上三种算法可选

更详细参数的说明，参考如下链接
https://www.pianshen.com/article/39912031011/

使用scipy库对线性规划的最优解、最大值进行求解
具体代码

导入包

from scipy import optimize
import numpy as np
#创建矩阵，c为目标函数的矩阵，A_ub为约束条件的左边构成的矩阵，B_ub为约束条件的右边
c=np.array([600,800,500,400,300])
A_ub=np.array([[1000,2000,0,0,0],[-1,-1,0,0,0],[1000,2000,400,1000,100],[-2000,-4000,-3000,-5000,-600],[1,0,0,0,0],[0,1,0,0,0],[0,0,1,0,0],[0,0,0,1,0],[0,0,0,0,1]])
B_ub=np.array([30000,-20,40000,-100000,14,8,40,5,50])

求解

res=optimize.linprog(-c,A_ub,B_ub)
print(res)

三、参考：

link