标签：begin end python 线性规划 pmatrix np array eq 实现

用Python实现线性规划

使用python库中scipy中的函数linprog来求解线性规划

linprog函数中线性规划的标准形式为

\[\min c^Tx\\ s.t\left\{\begin{aligned}Auq\cdot x&\le b\\ Aeq\cdot x&=beq\\ lb\le x&\le ub\end{aligned}\right. \]

其中c和x为n维向量，A、Aeq为适当维度的矩阵，b、beq为适当维度的列向量。（Aeq对应约束条件中的等式约束得系数矩阵，A为不等式约束的系数矩阵。

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

求解最大化问题

\[\max 2x_1+3x_2-5x_3\\ s.t\left\{\begin{aligned}x_1+x_2+x_3&=7\\ 2x_1-5x_2+x_3&\ge10\\ x_1+3x_2+x_3&\le12\\ x_1, x_2,x_3 &\ge0 \end{aligned}\right. \]

将问题转换为标准形式

\[\min-2x_1-3x_2+5x_3\\ s.t\left\{\begin{aligned} x_1+x_2+x_3&=7\\ -2x_1+5x_2-x_3&\le-10\\ x_1+3x_2+x_3&\le12\\ x_1,x_2,x_3&\ge0 \end{aligned}\right. \\ c=\begin{pmatrix}-2&-3&5\end{pmatrix}\\ A_{uq}=\begin{pmatrix}-2&5&-1\\1&3&1\end{pmatrix}\\ b_{uq}=\begin{pmatrix}-10&12\end{pmatrix}\\ A_{eq}=\begin{pmatrix} 1&1&1 \end{pmatrix}\\ b_{eq}=\begin{pmatrix}7\end{pmatrix} \]

代码

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, np.inf]
x2 = [0, np.inf]
x3 = [0, np.inf]
res = op.linprog(c, A_ub, b_ub, A_eq, b_eq, bounds=(x1, x2, x3)) # bounds为每个为每个未知量的范围
print(res)

运行结果：

con: array([1.80712245e-09])
fun: -14.571428565645084
message: 'Optimization terminated successfully.'
nit: 5
slack: array([-2.24599006e-10, 3.85714286e+00])
status: 0
success: True
x: array([6.42857143e+00, 5.71428571e-01, 2.35900788e-10])

所求最小值为-14.571428565645084，故得所求最大值为14.571428565645084

标签：begin,end,python,线性规划,pmatrix,np,array,eq,实现
来源： https://www.cnblogs.com/Reion/p/15811514.html

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。