python線性規劃如何求解

這篇“python線性規劃如何求解”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“python線性規劃如何求解”文章吧。

說明

1、圖解法，用幾何繪圖的方法，求出最優解。

中學就講過這種方法，在經濟學研究中非常常用。

2、矩陣法，引入松弛變量。

將線性規劃問題轉化為增廣矩陣形式，然后逐步解決，是簡單性法之前的典型方法；

3、單純法，利用多面體在可行領域逐步構建新的頂點，不斷逼近最優解。

是線性規劃研究的里程碑，至今仍是最重要的方法之一；

4、內點法。

通過選擇可行域內點沿下降方向不斷迭代，達到最佳解決方案，是目前理論上最好的線性規劃問題解決方案；

5、啟發法。

依靠經驗準則不斷迭代改進，搜索最優解，如貪心法、模擬退火、遺傳算法、神經網絡等。

單純法實例

import numpy as np #導入相應的庫
import sys
def solve(d,bn):
    while max(list(d[0][:-1])) > 0:
        l = list(d[0][:-2])
        jnum = l.index(max(l)) #轉入下標
        m=[]
        for i in range(bn):
            if d[i][jnum] == 0:
                m.append(0.)
            else:
                m.append(d[i][-1]/d[i][jnum])
        inum = m.index(min([x for x in m[1:] if x!=0])) #轉出下標
        s[inum-1] = jnum  #更新基變量
        d[inum] /= d[inum][jnum]
        for i in range(bn):
            if i != inum:
                d[i] -= d[i][jnum] * d[inum]
            
def printSol(d,cn):
    for i in range(cn - 1):
        if i in s:
            print("x"+str(i)+"=%.2f" %d[s.index(i)+1][-1])
        else:
            print("x"+str(i)+"=0.00")
    print("objective is %.2f"%(-d[0][-1]))

以上就是關于“python線性規劃如何求解”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。