用python做线性规划

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了用python做线性规划，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1460字，纯文字阅读大概需要3分钟。

内容图文

scipy.optimize.linprog(c, A_ub=None, b_ub=None, A_eq=None, b_eq=None, bounds=None, method='simplex', callback=None, options=None)

from scipy import optimize as op
import numpy as np
c=np.array([2,3,-5])
A_ub=np.array([[-2,5,-1],[1,3,1]])
B_ub=np.array([-10,12])
A_eq=np.array([[1,1,1]])
B_eq=np.array([7])
x1=(0,7)
x2=(0,7)
x3=(0,7)
res=op.linprog(-c,A_ub,B_ub,A_eq,B_eq,bounds=(x1,x2,x3))
print(res)

很容易发现，c指的应该是要求最大值的函数的系数数组，A_ub是应该是不等式未知量的系数矩阵，仔细观察的人应该发现，为什么第一行里面写的是[-2,5,-1]而不是[2,5,-1]呢，应该要与图里对应才对啊，原来这不等式指的是<=的不等式，那如果是>=呢，乘个负号就行了。A_eq就是其中等式的未知量系数矩阵了。B_ub就是不等式的右边了，B_eq就是等式右边了。bounds的话，指的就是每个未知量的范围了。我们看一下结果

     con: array([0.])
     fun: -14.571428571428571
 message: 'Optimization terminated successfully.'
     nit: 8
   slack: array([0.        , 3.85714286])
  status: 0
 success: True
       x: array([6.42857143, 0.57142857, 0.        ])

重点关注的就是第一行和最后一行了，第一行是整个结果，最后一行是每个x的结果。为什么第一行是负的呢？原来这个函数其实是求最小值的，那么求最大值，怎么办呢？很简单，仔细观察的人应该发现，之前的函数里面，我写的是-c，而不是c。那么这个函数的出来的结果其实就是-c的最小值，但很明显这恰恰是c最大值的相反数。那么答案就是14.57了，以上。
---------------------
作者：your_answer
来源：CSDN
原文：https://blog.csdn.net/your_answer/article/details/79131000
版权声明：本文为博主原创文章，转载请附上博文链接！

内容总结

以上是互联网集市为您收集整理的用python做线性规划全部内容，希望文章能够帮你解决用python做线性规划所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端