用python作線性規劃

scipy.optimize.linprog(c, A_ub=None, b_ub=None, A_eq=None, b_eq=None, bounds=None, method='simplex', callback=None, options=None)

 

from scipy import optimize as op
import numpy as np
c=np.array([2,3,-5])
A_ub=np.array([[-2,5,-1],[1,3,1]])
B_ub=np.array([-10,12])
A_eq=np.array([[1,1,1]])
B_eq=np.array([7])
x1=(0,7)
x2=(0,7)
x3=(0,7)
res=op.linprog(-c,A_ub,B_ub,A_eq,B_eq,bounds=(x1,x2,x3))
print(res)

 

很容易發現，c指的應該是要求最大值的函數的係數數組，A_ub是應該是不等式未知量的係數矩陣，仔細觀察的人應該發現，爲何第一行裏面寫的是[-2,5,-1]而不是[2,5,-1]呢，應該要與圖裏對應纔對啊，原來這不等式指的是<=的不等式，那若是是>=呢，乘個負號就好了。A_eq就是其中等式的未知量係數矩陣了。B_ub就是不等式的右邊了，B_eq就是等式右邊了。bounds的話，指的就是每一個未知量的範圍了。咱們看一下結果

     con: array([0.])
     fun: -14.571428571428571
 message: 'Optimization terminated successfully.'
     nit: 8
   slack: array([0.        , 3.85714286])
  status: 0
 success: True
       x: array([6.42857143, 0.57142857, 0.        ])

重點關注的就是第一行和最後一行了，第一行是整個結果，最後一行是每一個x的結果。爲何第一行是負的呢？原來這個函數實際上是求最小值的，那麼求最大值，怎麼辦呢？很簡單，仔細觀察的人應該發現，以前的函數裏面，我寫的是-c，而不是c。那麼這個函數的出來的結果其實就是-c的最小值，但很明顯這偏偏是c最大值的相反數。那麼答案就是14.57了，以上。
---------------------
做者：your_answer
來源：CSDN
原文：https://blog.csdn.net/your_answer/article/details/79131000
版權聲明：本文爲博主原創文章，轉載請附上博文連接！