标签：线性规划 约束条件 函数 python 模型 -- 美赛 最优 变量

线性规划

线性规划的目的

确定多变量线性函数在变量满足线性约束条件下的最优值
线性规划模型需要确定的三个要素

1. 决策变量
2. 目标函数：决策者希望对其优化的指标，是决策变量的线性函数
3. 约束条件：决策变量取值的限制范围

线性规划的一般模型

线性规划模型最优解的情况

1. 有唯一最优解
2. 有无穷多个最优解
3. 无可行解
4. 有可行解但目标函数非空

线性规划的python 求解

运用scipy.optimize模块中的linprog函数求解

1. 将线性规划问题化为scipy中线性规划模型的标准型
   注意标准型中都是最小值，若原来要求最大值也需要将表达式取反求最小
   
   

2. 实例
   
   

• python zip函数
  zip函数将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组
  

灵敏度分析

在上述线性规划求解问题中我们假设 a i j a_{ij} aij​, b i b_i bi​, c j c_j cj​是常数，是固定不变的，但是在实际问题中，由于生产工艺的变化，这些参数往往是预测值或估计值，经常会有少许的变化，由此我们可以考虑由于参数变化导致的现行最优解的变化，讨论将这些参数的变化限制在什么范围内，原最优解仍然是最优的。

整数规划

在实际问题中，决策变量代表产品的件数，箱数，人员的个数等整数量时，变量只有取整数才有意义，因此有必要在规划模型中增加这些决策变量为整数的限制

标准指派问题的模型及求解

装箱问题

非线性规划问题

非线性规划问题与线性规划问题的区别在于，非线性规划可能的目标函数和约束条件可能不都是线性的
非线性规划问题可以有约束条件也可以没有约束条件，非线性规划的一般模型描述如下

1. 用scipy.optimize模块的minimize函数求解
   

标签：线性规划,约束条件,函数,python,模型,--,美赛,最优,变量
来源： https://blog.csdn.net/qq_51059141/article/details/122495428

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。