scipy linprog次优解决方案

Question

尝试测试一个非常简单的优化问题，但无法通过scipy.optimize.linprog查看正在发生的事情

input_vector = -np.array（[ - 1。， - 1。， - 1.,1。，1.，1.，1.，0,0,0]）

A_upper = np.array（[np.ones（len（input_vector））， - np.ones（len（input_vector））]）

b_upper = np.array（[。1,0.1]）

opt_res = sp.optimize.linprog（c = input_vector，A_ub = A_upper，b_ub = b_upper）

答案：

opt_res

状态：0

松弛：数组（[0.，0.2]）

成功：真实

 fun: -0.10000000000000001

   x: array([ 0. ,  0. ,  0. ,  0.1,  0. ,  0. ,  0. ,  0. ,  0. ,  0. ])

消息：＆＃39;优化已成功终止。＆＃39;      尼特：1

当然[0.333,0.333,0.333，-0.25，-0.25，-0.25，-0.25]是一个更好的解决方案，坚持约束。而且，是的，我知道，这是冰山一角......建议的解决方案可以乘以正标量。

我在这里缺少什么？非常感谢提前。

萨姆

Answer 1

linprog是正确的。由于您没有提供任何界限，linprog将假设所有变量都是非负数。请参阅docs（参数bounds）。如果要允许负值，则需要明确指定。

LP解算器的这种默认行为并不罕见。