最近在做最優(yōu)化的作業(yè)，涉及到線性規(guī)劃問(wèn)題，之前運(yùn)籌學(xué)也學(xué)過(guò)相關(guān)問(wèn)題，都是通過(guò)手寫(xiě)單純性表來(lái)進(jìn)行求解的，但學(xué)了python之后感覺(jué)太麻煩了，不如利用python來(lái)幫我們求解。
線性規(guī)劃求解主要弄清楚兩個(gè)部分，目標(biāo)函數(shù)（max，min）和約束條件（s.t.），我們求解時(shí)一般要化為python的標(biāo)準(zhǔn)形式：

在此用Python求解，需要scipy和numpy庫(kù)的支持：

from scipy import optimize import numpy as np#求解函數(shù) res = optimize.linprog(c,A,b,Aeq,beq,LB,UB,X0,OPTIONS) #目標(biāo)函數(shù)最小值 print(res.fun) #最優(yōu)解 print(res.x)

好啦上門(mén)可以跳過(guò)不看，來(lái)通過(guò)一個(gè)例子掌握python求解線性規(guī)劃：

#導(dǎo)入包 from scipy import optimize import numpy as np#確定c,A,b,Aeq,beq c = np.array([1,-2,1,0]) A = np.array([[2,-1,4,0],[-1,2,-4,0]]) b = np.array([8,4]) Aeq = np.array([[1,1,-2,1]]) beq = np.array([10])#求解 res = optimize.linprog(c,A,b,Aeq,beq) print(res)

結(jié)果如下

con: array([2.16662244e-11])fun: -18.999999999960654message: 'Optimization terminated successfully.'nit: 5slack: array([4.74820183e-12, 1.77671211e-11])status: 0success: Truex: array([5.02499921e-13, 1.20000000e+01, 5.00000000e+00, 8.00000000e+00])

可以看到求解的結(jié)果，我們關(guān)注第一個(gè)和最后一個(gè)，fun就是目標(biāo)函數(shù)最小值，x就是最優(yōu)解。
注：如果原問(wèn)題是求最大值，則在求解時(shí)帶入-c，化為python標(biāo)準(zhǔn)形式，最終求出來(lái)的值為最小值即為相反數(shù)，去掉負(fù)號(hào)就是我們要的最大值。

總結(jié)

以上是生活随笔為你收集整理的python求解线性规划问题的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。