Question

我已经做了一段时间，所以我有点生疏，但等式是：

max t(C)*x
s.t. Ax <=b

我的 A 约束矩阵是（1448x1359）：

[[ 1.  1.  0. ...,  0.  0.  0.]

 ..., 


 [ 0.  0.  0. ...,  1.  1.  1.]]

然后我的绑定 b （1448x1）：

[ 1.  1.  7. ...,  2.  1.  2.]

我的目标函数是最大化的，它是一个向量（1359,1）。

现在在其他软件包中，我的最大化目标函数是841，但使用linprog：

res = linprog(c=OBJ_N, A_ub=A, b_ub=b, options={"disp": True})

它成功优化到-0.0所以我想知道我是否在python中使用正确的命令并且我的约束是正确的？

编辑：好的，这是有道理的，它试图最小化。我现在已经重写了（交换了c和b并转换了A来最小化）。

# (max t(C)*x s.t. Ax <=b) = min t(b)*x s.t. ATy = c, y ≥ 0
# (i): minimise number of shops no bounds
ID = np.ones(len(w[0]))
print(ID)
print(ID.shape)  #1359

At = A.transpose()

need_divest = (A.dot(ID)) - 1
print(need_divest)
print(need_divest.shape)  #1448

res = linprog(c=need_divest, A_eq=At, b_eq=ID, options={"disp": True})
print(res)

但是，我收到了消息：＆＃39;优化失败。无法找到一个可行的起点。＆＃39;＆＃34;

Answer 1

我猜你的目标函数可能是minimizing而不是maximizing。试试这个（在目标函数系数前插入 - ）：

res = linprog(c=-OBJ_N, A_ub=A, b_ub=b, options={"disp": True})

您的结果应为-841。

这只是因为：

min(f(x))=-max(-f(x))

Python linprog最大化目标函数

1 个答案: