python培训之线性规划的求解方法

　　python线性规划的求解方法

　　说明

　　1、图解法，用几何绘图的方法，求出最优解。

　　中学就讲过这种方法，在经济学研究中非常常用。

　　2、矩阵法，引入松弛变量。

　　将线性规划问题转化为增广矩阵形式，然后逐步解决，是简单性法之前的典型方法;

　　3、单纯法，利用多面体在可行领域逐步构建新的顶点，不断逼近最优解。

　　是线性规划研究的里程碑，至今仍是最重要的方法之一;

　　4、内点法。

　　通过选择可行域内点沿下降方向不断迭代，达到最佳解决方案，是目前理论上最好的线性规划问题解决方案;

　　5、启发法。

　　依靠经验准则不断迭代改进，搜索最优解，如贪心法、模拟退火、遗传算法、神经网络等。

　　单纯法实例

　　import numpy as np #导入相应的库

　　import sys

　　def solve(d,bn):

　　while max(list(d[0][:-1])) > 0:

　　l = list(d[0][:-2])

　　jnum = l.index(max(l)) #转入下标

　　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])) #转出下标

　　s[inum-1] = jnum #更新基变量

　　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python线性规划的求解方法，希望对大家有所帮助。更多Python学习指路：请关注多测师。https://www.e70w.com/xwzx/