python线性规划问题怎么处理

这篇文章主要讲解了“python线性规划问题怎么处理”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“python线性规划问题怎么处理”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)

感谢各位的阅读，以上就是“python线性规划问题怎么处理”的内容了，经过本文的学习后，相信大家对python线性规划问题怎么处理这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是亿速云，小编将为大家推送更多相关知识点的文章，欢迎关注！