這篇文章主要講解了“python線性規(guī)劃問題怎么處理”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“python線性規(guī)劃問題怎么處理”吧！

創(chuàng)新新互聯(lián)，憑借10余年的成都做網(wǎng)站、網(wǎng)站制作經(jīng)驗(yàn)，本著真心·誠(chéng)心服務(wù)的企業(yè)理念服務(wù)于成都中小企業(yè)設(shè)計(jì)網(wǎng)站有1000多家案例。做網(wǎng)站建設(shè)，選創(chuàng)新互聯(lián)建站。

說明

1、問題定義，確定決策變量、目標(biāo)函數(shù)和約束條件。

2、模型構(gòu)建，由問題描述建立數(shù)學(xué)方程，轉(zhuǎn)化為標(biāo)準(zhǔn)形式的數(shù)學(xué)模型。

3、模型求解，用標(biāo)準(zhǔn)模型的優(yōu)化算法對(duì)模型進(jìn)行求解，得到優(yōu)化結(jié)果。

實(shí)例

不等式1為大于等于，應(yīng)該轉(zhuǎn)換為小于等于：-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)

感謝各位的閱讀，以上就是“python線性規(guī)劃問題怎么處理”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)python線性規(guī)劃問題怎么處理這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！