我正在设置一个简单的线性优化，其中我将C * x最小化，其中C是成本，x是取决于多个约束的变量。主要的等式约束是x [2] = x [1] + x [25]，或者-x [1] + x [2] -x [25] = 0。
但是实际上，x [25]的实际值将取决于x [25]是正还是负。因此，它应该更像这样：
if x[25]>0
-x[1]+x[2]-1.11*x[25]=0
if x[25]<0
-x[1]+x[2]-0.9*x[25]=0
因此，简而言之，有人知道scipy.optimize，linprog是否能够包含输入矩阵值的条件，在这种情况下为A_eq？ 这是我的代码示例：
import numpy as np
import scipy.optimize as spo
f=np.concatenate(np.zeros((24,1)),cost.reshape((24,1))
A=np.vstack((-np.identity(24),np.identity(24)))
b=np.vstack((Max_x,Min_x))
#Aeq repeats several times, but is the same throughout for loop
Aeq=np.append(np.append(np.array([-1,1]),np.zeros((1,22))),np.array(-1))
#the last value is what I want to make conditional on the value of x
beq=np.zeros((25,1))
bounds_x=np.tile((None,None),24,1)
res=spo.linprog(f,A_ub=A,b_ub=b,A_eq=Aeq,B_eq=beq,bounds=bounds_x)
所以我要更改的主要内容是Aeq Aeq的最终值是eff，eff取决于x的符号。