python线性规划最优解代码,python求解非线性规划

　　说明

　　1、脾气暴躁库提供简单的线性或非线性规划问题。

　　但不能解决背包问题的0-1规划问题，或者整数规划问题，混合整数规划问题。

　　2、纸浆可以解决线性规划、整数规划、0-1规划和混合整数规划问题。

　　为不同类型的问题提供各种解决方案。

　　3、Cvxpy是一个凸优化工具包。

　　可以解决线性规划、整数规划、0-1规划、混合整数规划、二次规划和几何规划等问题。

　　实例

　　以整数线性规划为例

　　#-*-编码：utf-8-*-

　　importpulpaspulp

　　defsolve_ilp(目标，约束):

　　打印目标

　　打印约束

　　prob=纸浆LpProblem(LP1 )，纸浆LP。最大化)

　　prob=目标

　　对于约束：

　　prob=cons

　　printprob

　　status=prob.solve()

　　ifstatus！=1:

　　#打印"状态"

　　#打印状态

　　returnNone

　　else:

　　# return[v . var值。realforvinprob。变量()]

　　返回[v . var值。realforvinprob。变量()]

　　#解如下整数线性规划

　　#maximizez=c*x=3*x1 4*x2 5*x3

　　#subjectto:

　　#x123=0

　　#x1 2*x220

　　#x2 3*x3=40

　　V_NUM=3

　　#变量，直接设置下限

　　变量=[纸浆LpVariable(X%d%i，lowBound=0，cat=pulp .LpInteger)foriinrange(0，V_NUM)]

　　#目标函数

　　c=[3，4，5]

　　目标=总和([c[I]*变量[i]foriinrange(0，V_NUM)])

　　#约束条件

　　约束=[]

　　a1=[1，2，0]

　　制约因素。append(sum([a1[I]* variables[I]for iinrange(0，V_NUM)])=100)

　　a2=[0，1，3]

　　制约因素。append(sum([a2[I]*变量[I]for iinrange(0，V_NUM)])=40)

　　打印约束

　　res=solve_ilp(目标，约束)

　　printres以上就是大蟒求解线性规划的包，希望对大家有所帮助。更多计算机编程语言学习指路：python基础教程

　　本文教程操作环境：windows7系统、Python 3.9.1、戴尔自交第三代电脑。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。