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，由问题描述建立数学方程，转化为标准形式的数学模型。
3、模型求解，用标准模型的优化算法对模型进行求解，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)
以上就是python线性规划问题的处理步骤，希望对大家有所帮助。更多Python学习指路：
本文教程操作环境：windows7系统、Python 3.9.1，DELL G3电脑。