python求解线性规划

粉刷工匠

于 2019-11-29 19:18:27 发布

阅读量381

点赞数

本文链接：https://blog.youkuaiyun.com/weixin_42053726/article/details/103316652

版权

运筹学专栏收录该内容

1 篇文章

订阅专栏

本文通过一个具体的例子，展示了如何使用Python的Scipy库中的optimize模块来解决线性规划问题。从定义目标函数和约束条件开始，到调用linprog方法求解，并最终输出结果，详细介绍了整个求解过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

例子：对下面方程进行求解，

1 先标准化

https://blog.youkuaiyun.com/qq_40707407/article/details/81709122

#导入包
from scipy import optimize
import numpy as np

#确定c,A,b,Aeq,beq
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])

#求解
res = optimize.linprog(-c,A,b,Aeq,beq)
print(res)
'''
     fun: -14.571428571428571   目标函数最小值
 message: 'Optimization terminated successfully.'     优化是否成功
     nit: 2
   slack: array([3.85714286, 0.        ])
  status: 0
 success: True
       x: array([6.42857143, 0.57142857, 0.        ])   x的最优解

'''