python求解整数线性规划（python求解整数线性规划问题）

python求解整数线性规划（python求解整数线性规划问题）

cvxpy求解

pip install numpy pip install mkl pip install cvxopt pip install scs pip install ecos pip install osqp再：pip install cvxpy

完整代码如下：

# coding=gbk"""作者：川川@时间 : 2022/1/30 0:35群：428335755"""import cvxpy as cpfrom numpy import arrayc = array([40, 90]) # 定义目标向量a = array([[9, 7], [-7, -20]]) # 定义约束矩阵b = array([56, -70]) # 定义约束条件的右边向量x = cp.Variable(2, integer=True) # 定义两个整数决策变量obj = cp.Minimize(c * x) # 构造目标函数cons = [a * x <= b, x >= 0] # 构造约束条件prob = cp.Problem(obj, cons) # 构建问题模型prob.solve(solver='GLPK_MI', verbose=True) # 求解问题print("最优值为:", prob.value)print("最优解为：\n", x.value)

scipy求解

模块安装：

pip install scipy

from scipy import optimizeimport numpy as np# 求解函数 res = optimize.linprog(c, A, b, Aeq, beq, LB, UB, X0, OPTIONS)# 目标函数最小值print(res.fun)# 最优解 print(res.x)

from scipy import optimizeimport numpy as np# 确定c,A,b,Aeq,beqc = np.array([2, 3, -5])A = np.array([[-2, 5, -1], [1, 3, 1]])B = np.array([-10, 12])Aeq = np.array([[1, 1, 1]])Beq = np.array([7])# 求解res = optimize.linprog(-c, A, B, Aeq, Beq)print(res)

fun是目标函数最小值x是最优解，即上面的x1,x2,x3的最优解

推荐一本好书

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。