16、优化问题求解：线性、二次和非线性规划

sprite

于 2025-09-04 16:35:43 发布

阅读量28

点赞数

CC 4.0 BY-SA版权

分类专栏：数值计算实战：MATLAB与Python 文章标签：线性规划二次规划非线性规划

本文链接：https://blog.youkuaiyun.com/sprite/article/details/151269912

数值计算实战：MATLAB与Python 专栏收录该内容

19 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

优化问题求解：线性、二次和非线性规划

1. 线性规划问题求解

1.1 使用 Pyomo 求解线性规划问题

以下是使用 Pyomo 求解线性规划问题的代码示例：

import pyomo.environ as pym
from pyomo.opt import SolverFactory

# 创建线性规划模型
LPP_model = pym.ConcreteModel()

# 定义变量
LPP_model.x = pym.Var()
LPP_model.y = pym.Var()
LPP_model.z = pym.Var()

# 定义目标函数
LPP_model.objfun = pym.Objective(expr=3*LPP_model.x + LPP_model.y + 2*LPP_model.z, sense=pym.maximize)

# 定义约束条件
LPP_model.con1 = pym.Constraint(expr=3*LPP_model.x + LPP_model.y <= 40)
LPP_model.con2 = pym.Constraint(expr=LPP_model.x + 2*LPP_model.z <= 60)
LPP_model.con3 = pym.Constraint(expr=LPP_model.y + 2*LPP_model.z <= 60)

# 选择求解器
opt = SolverFactory('glpk')

# 求解模型
OptResults = opt.solve(LPP_model)

# 输出结果
print('\nStatus