导语：
本文主要介绍了关于python线性规划问题的处理步骤的相关知识，包括python 线性回归，以及matlab最优化线性规划这些编程知识，希望对大家有参考作用。
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，根据问题描述建立数学方程，并转化为标准的数学模型。
3.求解模型，使用标准模型的优化算法求解模型，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)
本文教程操作环境：windows7系统、Python 3.9.1，DELL G3电脑。
本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
你可能也喜欢
- ♥ python相对路径是如何表示的09/27
- ♥ python中更新更新字典的方法09/10
- ♥ python中的不等号是什么09/08
- ♥ Python 中的 __slots__ 限制属性01/04
- ♥ python如何递归函数09/20
- ♥ 如何在 python 中使用 for 循环语句将 1 加到 100？08/11
内容反馈