线性规划

线性规划（Linear programming,简称LP），是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法。研究线性约束条件下线性目标函数的极值问题的数学理论和方法。英文缩写LP。

线性规划模型的一般形式:

建立线性规划模型的一般步骤：

1.根据问题所要达到目的的因素找到决策变量；
2.由决策变量和所要达到目的之间的函数关系确定目标函数；
3.由决策变量所受的限制条件确定决策变量所要满足的约束条件。

scipy

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

c : array_like
Coefficients of the linear objective function to be minimized.
最小化的线性目标函数的系数。
A_ub :
2-D array which, when matrix-multiplied by x, gives the values of the upper-bound inequality constraints at x.
上限不等式约束的值
b_ub : array_like
1-D array of values representing the upper-bound of each inequality constraint (row) in A_ub.
表示 A_ub 中每个不等式约束（行）的上限的一维值数组。
A_eq : array_like
2-D array which, when matrix-multiplied by x, gives the values of the equality constraints at x.
b_eq : array_like
1-D array of values representing the RHS of each equality constraint (row) in A_eq.
bounds : sequence, optional
(min, max) pairs for each element in x, defining the bounds on that parameter. Use None for one of min or max when there is no bound in that direction. By default bounds are (0, None) (non-negative) If a sequence containing a single tuple is provided, then min and max will be applied to all variables in the problem.
method : str, optional
Type of solver. At this time only ‘simplex’ is supported.
callback : callable, optional
If a callback function is provide, it will be called within each iteration of the simplex algorithm. The callback must have the signature callback(xk, **kwargs) where xk is the current solution vector and kwargs is a dictionary containing the following:

“tableau” : The current Simplex algorithm tableau
“nit” : The current iteration.
“pivot” : The pivot (row, column) used for the next iteration.
“phase” : Whether the algorithm is in Phase 1 or Phase 2.
“basis” : The indices of the columns of the basic variables.

options : dict, optional
A dictionary of solver options. All methods accept the following generic options:
maxiter : int
Maximum number of iterations to perform.
disp : bool
Set to True to print convergence messages.

例子

from scipy import optimize as op
import math
import numpy as np#系数
beta=[3,5,4]
c=np.array(beta)
#设置约束
a1=[2,3,0]
a2=[0,2,4]
a3=[3,2,5]#不等式约束
A_ub=np.array([a1,a2,a3])
#约束上限，默认为非负
B_ub=np.array([1500,800,2000])
#线性规划
res=op.linprog(-c,A_ub,B_ub)
#输出结果
print(res)

Python解决线性规划问题相关推荐

python引入包pulp_用python的pulp库解决线性规划问题
本文会介绍怎么用python解决线性规划问题,为什么要用python而不是matlab和lingo呢?因为matlab的函数写法不太符合正常的思维方式,编起来很复杂.而lingo虽然编写容易,但报错不 ...
万字教你如何用 Python 实现线性规划
摘要:线性规划是一组数学和计算工具,可让您找到该系统的特定解,该解对应于某些其他线性函数的最大值或最小值. 本文分享自华为云社区<实践线性规划:使用 Python 进行优化>,作者: Yu ...
只需一步，轻松用Python实现线性规划
线性规划说明什么是线性规划? 想象一下,您有一个线性方程组和不等式系统.这样的系统通常有许多可能的解决方案.线性规划是一组数学和计算工具,可让您找到该系统的特定解,该解对应于某些其他线性函数的最大值 ...
Python使用PuLP第三方库解决线性规划问题
假设我们考虑投资两种证券X和Y.若投资X证券的数量为xxx,投资Y证券的数量为yyy, 试求3x+2y3x+2y3x+2y的最大值.限制条件如下: 投资2倍的X证券数量与投资Y证券数量之和不超过100 ...
python线性整数规划求解_实例详解：用Python解决整数规划问题！
我们将使用整数规划来做出最佳决策整数规划(IP)问题是所有变量都被限制为整数的优化问题(指规划中的变量(全部或部分)限制为整数,若在线性模型中,变量限制为整数,则称为整数线性规划).IP问题是有关于 ...
最优解问题——PuLP解决线性规划问题（一）
文章目录 1 PuLP介绍 1.1 理论.流程介绍 1.2 主函数介绍 1.2.1 LpProblem类 1.2.2 LpVariable类 1.2.3 lpSum(vector) 1.3 一些函数写 ...
高德API+Python解决租房问题
项目简介:编写Python脚本爬取某租房网站的房源信息,利用高德的 js API 在地图上标出房源地点,划出距离工作地点1小时内可到达的范围,附上公交路径规划功能查看不同路径的用时. 本教程由ekCi ...
Python版本的数据结构书_《用Python解决数据结构与算法问题》
源于经典数据结构作为计算机从业人员的必备基础,Java, c 之类的语言有很多这方面的书籍,Python 相对较少, 其中比较著名的一本 problem-solving-with-algorithm ...
Python解决The truth value of a Series is ambiguous.md
Python解决The truth value of a Series is ambiguous.md import pandas as pd data = pd.read_csv('x.csv') ...

Python解决线性规划问题

文章目录

线性规划

scipy

例子

Python解决线性规划问题相关推荐

最新文章

热门文章