python中如何处理线性规划问题

这篇文章主要为大家展示了“python中如何处理线性规划问题”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“python中如何处理线性规划问题”这篇文章吧。

说明

1、问题定义，确定决策变量、目标函数和约束条件。

2、模型构建，由问题描述建立数学方程，转化为标准形式的数学模型。

3、模型求解，用标准模型的优化算法对模型进行求解，得到优化结果。

实例

不等式1为大于等于，应该转换为小于等于：-2X1 + 5X2 - X3 <= -10

import numpy as np
from scipy import optimize as op
np.set_printoptions(suppress=True)
z = np.array([2, 3, -5])
A_up = np.array([[-2, 5, -1], [1, 3, 1]])
B_up = 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(-z, A_up, B_up, A_eq, B_eq, bounds=(x1, x2, x3))
print(res)

以上是“python中如何处理线性规划问题”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注行业资讯频道！