心有多大，世界就有多大。

#教学任务指派问题 import numpy as np from scipy.optimize import linear_sum_assignment #这个函数是用来求效率问题，也就是极小化问题 def printf(row_ind,col_ind,goodAt):#输出 print("最优解:") for i in range(len(row_ind)): print("x_{}{}=1".format(row_ind[i]+1,col_ind[i]+1),end

运筹学实验四实验目的：实验要求：报告内容：Python实现：代码：Lingo实现：代码： 实验目的： python实现Dijkstra算法，lingo解决最短路问题 实验要求： 报告内容： Python实现： 代码： def startwith(start: int, mgraph: list) -> list: passed = [start] nopass = [x for x in range(len(mgraph)) if x != start] dis = mgrap

运筹学实验三实验目的：实验要求：报告内容：Lingo实现：代码：Matlab实现：代码： 实验目的： Lingo实现层次算法、Matlab用线性规划包解目标规划问题 实验要求： 报告内容： Lingo实现： 代码： model: sets: level/1..3/:p,z,goal; variable/1..2/:x; h_con_num/1..2/:b; s_con_num/1..4/:g,dplus,dminus; h_con(h_con_num,variable):a; s_con(s_

实验目的： lingo实现运输问题、Matlab解决运输问题、Python调包实现 实验要求： 报告内容： Lingo实现： 代码： model: sets: supplys/1..3/: S; demands/1..4/: D; links(supplys, demands): c, x; endsets data: S = 7,4,9; D = 3,6,5,6; c = 3 11 3 10 1 9 2 8 7 4 10 5; enddata min = @sum(links

实验目的： python实现单纯形法、lingo实现灵敏度分析、对偶变量、人工变量 实验要求： 报告内容： python实现： 代码： import numpy as np from fractions import Fraction as f #本程序仅适用于标准形式的线性规划问题 #其中目标函数求最大，约束条件等式化，决策变量非负 #本程序实现的是单纯形法和大M法 def judge(matrix):#最优性检验 if max(matrix[-1][:-1]) <= 0: