Python实现线性规划求解

线性规划标准形式：MATLAB

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

线性规划求解主要分  两个部分，目标函数（max，min）和约束条件（s.t.），求解时一般要化为MATLAB标准形式：

求解用到的模块（scipy 和  numpy）：

from scipy import optimizeimport numpy as np

例题：

转换成标准系数格式：

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求解函数：

#-*- coding:utf-8 -*-#导入包from scipy import optimizeimport numpy as npdef 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函数，方便其它调用：

#-*- coding:utf-8 -*-import LPimport sysif __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)

说明： （1）因为系统参数传入的都是字符串格式，所以main文件中，将传入参数都转换成列表。

           （2）标准是最小值，如果是最大值，c应该换成-c

最后执行结果：

红圈里就是最大值，和最优解。

C#调用，参考：

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