python线性规划的求解方法

说明

1、图解法，用几何绘图的方法，求出最优解。

中学就讲过这种方法，在经济学研究中非常常用。

2、矩阵法，引入松弛变量。

将线性规划问题转化为增广矩阵形式，然后逐步解决，是简单性法之前的典型方法；

3、单纯法，利用多面体在可行领域逐步构建新的顶点，不断逼近最优解。

是线性规划研究的里程碑，至今仍是最重要的方法之一；

4、内点法。

通过选择可行域内点沿下降方向不断迭代，达到最佳解决方案，是目前理论上最好的线性规划问题解决方案；

5、启发法。

依靠经验准则不断迭代改进，搜索最优解，如贪心法、模拟退火、遗传算法、神经网络等。

单纯法实例

importnumpyasnp#导入相应的库
importsys
defsolve(d,bn):
whilemax(list(d[0][:-1]))>0:
l=list(d[0][:-2])
jnum=l.index(max(l))#转入下标
m=[]
foriinrange(bn):
ifd[i][jnum]==0:
m.append(0.)
else:
m.append(d[i][-1]/d[i][jnum])
inum=m.index(min([xforxinm[1:]ifx!=0]))#转出下标
s[inum-1]=jnum#更新基变量
d[inum]/=d[inum][jnum]
foriinrange(bn):
ifi!=inum:
d[i]-=d[i][jnum]*d[inum]

defprintSol(d,cn):
foriinrange(cn-1):
ifiins:
print("x"+str(i)+"=%.2f"%d[s.index(i)+1][-1])
else:
print("x"+str(i)+"=0.00")
print("objectiveis%.2f"%(-d[0][-1]))

以上就是python线性规划的求解方法，希望对大家有所帮助。更多Python学习指路：Python基础教程