Python實現線性規劃求解

線性規劃標準形式：MATLAB

-------------

線性規劃求解主要分  兩個部分，目標函數（max，min）和約束條件（s.t.），求解時一般要化為MATLAB標準形式：

求解用到的模塊（scipy 和  numpy）：

from scipy import optimize
import numpy as np

例題：

轉換成標準系數格式：

c = [2, 3, -5]
A = [[-2, 5, -1], [1, 3, 1]]
b = [-10, 12]
Aeq = [[1, 1, 1]]
beq = [7]
x1 = (0, None)
x2 = (0, None)
x3 = (0, None)

LP求解函數：

#-*- coding:utf-8 -*-
#導入包
from scipy import optimize
import numpy as np
def LP(m='',clist=[],Alist=[],blist=[],Aeqlist=[],beqlist=[],all_x=()):
    #c,A,b,Aeq,beq,LB,UB,X0,OPTIONS
    c = np.array(clist)
    A = np.array(Alist)
    b = np.array(blist)
    Aeq = np.array(Aeqlist)
    beq = np.array(beqlist)
    #求解
    if m == 'min':
        res = optimize.linprog(c, A, b, Aeq, beq, bounds=all_x)
        fun = res.fun
        x = res.x
    else:
        res = optimize.linprog(-c, A, b, Aeq, beq, bounds=all_x)
        fun = -(res.fun)
        x = res.x
    return fun,x

main函數，方便其它調用：

#-*- coding:utf-8 -*-
import LP
import sys
if __name__ == '__main__':
    m = sys.argv[1]
    clist = list(eval(sys.argv[2]))
    Alist = list(eval(sys.argv[3]))
    blist = list(eval(sys.argv[4]))
    Aeqlist = list(eval(sys.argv[5]))
    beqlist =list(eval(sys.argv[6]))
    all_x = tuple(eval(sys.argv[7]))
    r=LP.LP(m=m,clist=clist,Alist=Alist,blist=blist,Aeqlist=Aeqlist,beqlist=beqlist,all_x=all_x)
    print(r)

說明： （1）因為系統參數傳入的都是字符串格式，所以main文件中，將傳入參數都轉換成列表。

           （2）標準是最小值，如果是最大值，c應該換成-c

最后執行結果：

紅圈里就是最大值，和最優解。

C#調用，參考：

https://blog.csdn.net/qq_42063091/article/details/82418630