备战数学建模一之线性规划算法

最新推荐文章于 2025-10-13 23:20:56 发布

原创

最新推荐文章于 2025-10-13 23:20:56 发布 · 433 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #python #numpy #学习 #线性代数

本文介绍了如何使用Python的pulp库解决运输问题，通过实例展示了目标函数和约束条件的设置，以及求解最大化的运输方案，最终给出了优化结果和变量取值。

# 这是一个示例 Python 脚本。

# 按 Shift+F10 执行或将其替换为您的代码。
# 按 双击 Shift 在所有地方搜索类、文件、工具窗口、操作和设置。



from scipy import optimize
import numpy as np

# 按间距中的绿色按钮以运行脚本。
if __name__ == '__main__':


# 访问 https://www.jetbrains.com/help/pycharm/ 获取 PyCharm 帮助
  c=np.array([2,3,-5])
  A=np.array([[-2,5,-1],[1,3,1]])#二维数组两个中括号
  B=np.array([-10,12])
  Aeq=np.array([[1,1,1]])#约束式都写成二维，一维只有列，二维是行
  Beq=np.array([7])
  res=optimize.linprog(-c,A,B,Aeq,Beq)
  print(res)
  print(res.fun)#最小值
  print(res.x)#最优解

运行结果

  con: array([1.80714554e-09])
     fun: -14.571428565645032
 message: 'Optimization terminated successfully.'
     nit: 5
   slack: array([-2.24602559e-10,  3.