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
importnumpyasnp fromscipyimportoptimizeasop 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)
以上就是python线性规划问题的处理步骤,希望对大家有所帮助。更多Python学习指路:Python基础教程
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。
评论(0)