©2020-2024 ioDraw All rights reserved
这是线性规划的标准型：
这么看未免有些抽象，我们将在代码中逐步了解
1.我们先来看一个题目：
先导入库函数：
from scipy import optimize
import numpy as np
之后，范围限定，注意，系统默认是小于等于且求最小值，所以一切大于等于的不等式都要在两边同时乘以-1：
c = np.array([4,-1]) #导入向量，因为是4x-y，所以是【4，-1】
A = np.array([[-1,1],[-1,-1]]) #不等式变为小于等于后，不等式左边的向量
b = np.array([5,0]) #将系数移至右边时，右边的向量
x=(None,3) #规定x的范围
y=(None,None) #规定y的范围
最后就是求解啦：
res = optimize.linprog(c,A,b,bounds=(x,y)) #这里就是直接按照引用函数的标准来啦
print(res)
综上，完整代码如下：
from scipy import optimize import numpy as np c = np.array([4, -1]) A =
np.array([[-1, 1], [-1, -1]]) b = np.array([5, 0]) x = (None, 3) y = (None,
None) res = optimize.linprog(c, A, b, bounds=(x, y)) print(res)
我们可以得到结果：
fun就是所求结果，而x:array()就是x的取值
2.我们再来看一个更复杂的题目，这里的限制条件多了等式：
有了之前的基础，这次直接放完整代码，题目中等式的约束对应的就是代码中的Aeq,beq：
from scipy import optimize import numpy as np c = np.array([2,3,-5]) A =
np.array([[-2,5,-1],[1,3,1]]) b = np.array([-10,12]) Aeq = np.array([[1,1,1]])
beq = np.array([7]) x1 = (0,None) x2 = (0,None) x3 = (0,None)
res=optimize.linprog(-c,A,b,Aeq,beq,bounds=(x1,x2,x3)) print(res)
可以得到结果：
一定要注意，系统默认的都是小于等于的条件和求最小值，所以最后求最大值的时候输出的是-c
3.在数学建模解线性规划问题时，更常用到的方法是调包pulp库，大多数人认为它更方便且功能更强大，我们来看看如何使用吧：
仍然是这一个题
首先，导入pulp库并定义线性规划问题：
import pulp Myproblem = pulp.LpProblem(sense=pulp.LpMaximize)
之后，定义变量：
x1 = pulp.LpVariable('x1',lowBound=0,upBound=None,cat='Continuous') x2 =
pulp.LpVariable('x2',lowBound=0,upBound=None,cat='Continuous') x3 =
pulp.LpVariable('x3',lowBound=0,upBound=None,cat='Continuous')
lowBound定义下界，upBound定义上界，cat设定变量类型，Continuous是连续型，Integer是离散型，Binary表示0/1变量
接下来，定义变量的范围，标准格式是‘问题名 += 约束条件表达式’：
Myproblem += 2*x1+3*x2-5*x3 Myproblem +=(x1+x2+x3==7) Myproblem
+=(2*x1-5*x2+x3>=10) Myproblem +=(x1+3*x2+x3<=12)
最后就是求解啦~：
Myproblem.solve() for i in Myproblem.variables(): print(i.name,'=',i.varValue)
print('F(x)=',pulp.value(Myproblem.objective))
完整的代码：
import pulp Myproblem = pulp.LpProblem(sense=pulp.LpMaximize) x1 =
pulp.LpVariable('x1',lowBound=0,upBound=None,cat='Continuous') x2 =
pulp.LpVariable('x2',lowBound=0,upBound=None,cat='Continuous') x3 =
pulp.LpVariable('x3',lowBound=0,upBound=None,cat='Continuous') Myproblem +=
2*x1+3*x2-5*x3 Myproblem +=(x1+x2+x3==7) Myproblem +=(2*x1-5*x2+x3>=10)
Myproblem +=(x1+3*x2+x3<=12) Myproblem.solve() for i in Myproblem.variables():
print(i.name,'=',i.varValue) print('F(x)=',pulp.value(Myproblem.objective))
得到的结果是：
结果的表示是不是非常清晰，非常明了哈哈~
ps:如果有哪儿写的不太清楚欢迎留言，我会即使改进，如果哪儿写的有问题也欢迎指正