数学建模之优化问题中的规划问题

前言：规划问题分为线性规划和非线性规划两大类，其中线性规划采用cvxpy库就可以解决；非线性规划分为凸规划和非凸规划，做题时应先判断是否是凸规划。对于凸规划采用cvxpy可以解决，非凸规划采用scipy.optimize中的minimize函数解决。每一个小节的实例及代码在参考书籍上都有，文章中就没有打出。

当然对于规划类问题，首推的还是lingo：lingo可以解决所有的规划问题，对于多目标规划化和Python一样无法直接求解，化成单目标即可。推荐学习视频：b站up:爆肝杰哥

Lingo建模基础入门_Savanna07的博客-CSDN博客_lingo中if函数的用法例题

参考书籍：《python数学建模算法与应用》 司守奎 孙玺菁  （强烈推荐！）

具体代码书上有写我就没有再敲出来

1、线性规划模型：求解优化问题（LP）

库：cvxpy numpy pandas

cvxpy是用于求解凸规划问题的库，在使用前必须要验证目标函数和约束条件都是凸函数，但对于线性规划可以直接使用。

步骤：

1、构造目标函数的系数向量、约束矩阵、常数向量（如果这三个都十分简单也可以不用构造矩阵，直接在下面的表达式中表达）

2、未知数：x=cp.Variable(n,pos/integer=True) pos/integer设置是小数还是整数

cvxpy中有三种数据类型，标量、向量和矩阵。n可以是数字，也可以是矩阵，

矩阵的行和列都是从0开始计数的。

3、目标函数：obj=cp.Maximize/Minimize(expression)

矩阵乘法用x@y，矩阵对应元素相乘用cp.multiply(x,y)

cp.sum()可以在里面包含有未知数，常常obj