前言

第一次写博客，理论与实践相结合。

一、最优化题目(求最大值)

maxZ=70x1+30x2max\ \ \ Z = 70x_1+30x_2\\ max Z=70x1+30x2

x1≥0，x2≥0x_1 ≥ 0 ，x_2 ≥ 0\\ x1≥0，x2≥0

二、求解线性规划

1.使用fill_between()函数画线性规划

fill_between()函数是填充两条线条之间的区域。但现有3条线，先将其中2条线定义在一个函数中，成为1个线条（两两组合两组，再将这两组组合），再由第3条线约束进行区域的填充。

plt.fill_between(x,0,y7, where=y7<=y3,facecolor=‘grey’, alpha=0.5)

x：第一个参数表示覆盖的区域，我直接复制为x，表示整个x都覆盖
0：表示覆盖的下限
y7：表示覆盖的上限是y7这个曲线
where: 对覆盖区域进行条件判断和约束
facecolor：覆盖区域的颜色
alpha：覆盖区域的透明度[0,1],其值越大，表示越不透明

将2个线条定义为1个，用numpy中的minimum()函数和maximun()函数

代码如下：

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inlinex = np.linspace(0.0,240.0,30)y1 = -0.33*x + 60
y2 = -1*x + 90
y3 = -3*x + 240y4 = np.minimum(y1, y2)
y5 = np.minimum(y2, y3)
y7 = np.minimum(y4, y5)plt.fill_between(x,0,y7, where=y7<=y3,facecolor='grey', alpha=0.5)plt.plot(x, y1, label=r'$y = -0.33*x+60$')
plt.plot(x, y2, label=r'$y=-1*x+90$')
plt.plot(x, y3, label=r'$y=-3*x+240$')plt.xlim((0.0, 240.000))
plt.ylim((0.0, 240.000))
plt.xlabel(r'$x$')
plt.ylabel(r'$y$')
plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)
plt.show()

图解如下：

2.数值求解

代码如下（示例）：

import numpy as np
from scipy.optimize import linprogA = np.array([[1, 3], [1, 1], [3, 1]])
b = np.array([180, 90, 240])
c = np.array([-70, -30])res = linprog(c, A_ub = A, b_ub = b)print('Optimal value:', round(res.fun * (-1), ndigits = 2),'\nx values:', res.x,'\nNumber of iterations performed:', res.nit,'\nStatus:', res.message)

结果如下：
Optimal value: 5700.0
x values: [74.9999996 14.99999987]
Number of iterations performed: 5
Status: Optimization terminated successfully.

三、参考资料

https://blog.csdn.net/Poul_henry/article/details/88936637
https://blog.csdn.net/kabuto_hui/article/details/84979606
求解过程参考了一位大佬的文章，现在找不到了，后面找到了补上

[python]线性规划作图及求解相关推荐

线性规划问题及单纯形法-线性规划问题的求解方法
线性规划问题的求解方法两种方法 1.图解法(两个变量使用直角坐标.三个变量使用立体坐标) 2.单纯形法(适用于任意变量,但需将一般形式编程标准形式) 2图解法建立直角坐标(x1,x2>=0) ...
Python线性规划库Pulp的详解及应用示例
Python线性规划库Pulp的详解及应用示例线性规划是一种常见的优化方法,在商业.工程等领域有着广泛的应用.而Python作为一种高效.灵活的编程语言,也提供了丰富的线性规划库可供选择.本文将介绍 ...
python线性规划算法_线性规划的算法分析
本章涉及知识点 1.线性规划的定义 2.可行区域.目标函数.可行解和最优解 3.转线性规划为标准型 4.转线性规划为松弛型 5.单纯形算法的思想和例子 6.避免退化-Bland规则 7.广义单纯形算法 ...
em算法python代码_EM 算法求解高斯混合模型python实现
注:本文是对<统计学习方法>EM算法的一个简单总结. 1. 什么是EM算法? 引用书上的话: 概率模型有时既含有观测变量,又含有隐变量或者潜在变量.如果概率模型的变量都是观测变量,可以直接 ...
pythonchar中的拟合方法_在python中利用numpy求解多项式以及多项式拟合的方法
构建一个二阶多项式:x^2 - 4x + 3 多项式求解 >>> p = np.poly1d([1,-4,3]) #二阶多项式系数 >>> p(0) #自变量为0时 ...
python turtle绕原点旋转_「加德老师与小朋友们的编程之旅」Python海龟作图（上）
加德老师寄语: 小朋友们,家长朋友们,大家好! [加德老师与小朋友们的编程之旅]今天迎来第二节课--用python进行海龟作图(上) Python被誉为现今人工智能第一语言,适合9岁以上孩子进行编程入 ...
管理运筹学软件计算机解咋看,管理运筹学-线性规划的计算机求解ppt课件.ppt
<管理运筹学-线性规划的计算机求解ppt课件.ppt>由会员分享,提供在线免费全文阅读可下载,此文档格式为ppt,更多相关<管理运筹学-线性规划的计算机求解ppt课件.ppt> ...
python实现一元二次方程求解
python实现一元二次方程求解 import random a=float(input("请输入a: "))b=float(input("请输入b: "))c ...
线性规划两阶段求解方法
想快速掌握线性规划两阶段求解方法,强烈推荐博文<三言两语讲清楚线性规划单纯形方法>. 百度百科给了下面一个例子,感觉其解法不容易看明白原理,换一种解释方法,应该很容易看明白两阶段法的原理. ...

[python]线性规划作图及求解