python中求解线性规划的包是什么
这篇文章主要介绍python中求解线性规划的包是什么,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
创新互联公司成立于2013年,先为普陀等服务建站,普陀等地企业,进行企业商务咨询服务。为普陀企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。
说明
1、Scipy库提供简单的线性或非线性规划问题。
但不能解决背包问题的0-1规划问题,或者整数规划问题,混合整数规划问题。
2、PuLP可以解决线性规划、整数规划、0-1规划和混合整数规划问题。
为不同类型的问题提供各种解决方案。
3、Cvxpy是一个凸优化工具包。
可以解决线性规划、整数规划、0-1规划、混合整数规划、二次规划和几何规划等问题。
实例
以整数线性规划为例
# -*- coding: utf-8 -*- import pulp as pulp def solve_ilp(objective , constraints) : print objective print constraints prob = pulp.LpProblem('LP1' , pulp.LpMaximize) prob += objective for cons in constraints : prob += cons print prob status = prob.solve() if status != 1 : #print 'status' #print status return None else : #return [v.varValue.real for v in prob.variables()] return [v.varValue.real for v in prob.variables()] #解如下整数线性规划 #maximize z = c*x = 3*x1 + 4*x2 + 5*x3 #subject to : #x1 2 3 >= 0 #x1 + 2*x2 < 20 #x2 + 3*x3 <= 40 V_NUM = 3 #变量,直接设置下限 variables = [pulp.LpVariable('X%d'%i , lowBound = 0 , cat = pulp.LpInteger) for i in range(0 , V_NUM)] #目标函数 c = [3 , 4 , 5] objective = sum([c[i]*variables[i] for i in range(0 , V_NUM)]) #约束条件 constraints = [] a1 = [1 , 2 , 0] constraints.append(sum([a1[i]*variables[i] for i in range(0 , V_NUM)]) <= 100) a2 = [0 , 1 , 3] constraints.append(sum([a2[i]*variables[i] for i in range(0 , V_NUM)]) <= 40) print constraints res = solve_ilp(objective , constraints) print res
以上是“python中求解线性规划的包是什么”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注创新互联行业资讯频道!
文章题目:python中求解线性规划的包是什么
网页URL:http://myzitong.com/article/jgdsis.html