Python數學建模PuLP庫線性規(guī)劃入門示例詳解
1、什么是線性規(guī)劃
線性規(guī)劃（Linear programming），在線性等式或不等式約束條件下求解線性目標函數的極值問題，常用于解決資源分配、生產調度和混合問題。例如：
max fx = 2*x1 + 3*x2 - 5*x3 s.t. x1 + 3*x2 + x3 <= 12 2*x1 - 5*x2 + x3 >= 10 x1 + x2 + x3 = 7 x1, x2, x3 >=0
線性規(guī)劃問題的建模和求解，通常按照以下步驟進行：
（1）問題定義，確定決策變量、目標函數和約束條件；
（2）模型構建，由問題描述建立數學方程，并轉化為標準形式的數學模型；
（3）模型求解，用標準模型的優(yōu)化算法對模型求解，得到優(yōu)化結果；
2、PuLP 庫求解線性規(guī)劃
PuLP是一個開源的第三方工具包，可以求解線性規(guī)劃、整數規(guī)劃、混合整數規(guī)劃問題。
下面以該題為例講解 PuLP 求解線性規(guī)劃問題的步驟：
-（0）導入 PuLP庫函數
import pulp
-（1）定義一個規(guī)劃問題
MyProbLP = pulp.LpProblem("LPProbDemo1", sense=pulp.LpMaximize)
pulp.LpProblem 是定義問題的構造函數。
"LPProbDemo1"是用戶定義的問題名（用于輸出信息）。
參數 sense 用來指定求最小值/最大值問題，可選參數值：LpMinimize、LpMaximize 。
-（2）定義決策變量
x1 = pulp.LpVariable('x1', lowBound=0, upBound=7, cat='Continuous')
x2 = pulp.LpVariable('x2', lowBound=0, upBound=7, cat='Continuous')
x3 = pulp.LpVariable('x3', lowBound=0, upBound=7, cat='Continuous')
pulp.LpVariable 是定義決策變量的函數。
‘x1' 是用戶定義的變量名。
參數 lowBound、upBound 用來設定決策變量的下界、上界；可以不定義下界/上界，默認的下界/上界是負無窮/正無窮。本例中 x1,x2,x3 的取值區(qū)間為 [0,7]。
參數 cat 用來設定變量類型，可選參數值：‘Continuous' 表示連續(xù)變量（默認值）、' Integer ' 表示離散變量（用于整數規(guī)劃問題）、' Binary ' 表示0/1變量（用于0/1規(guī)劃問題）。
-（3）添加目標函數
MyProbLP += 2*x1 + 3*x2 - 5*x3 # 設置目標函數
添加目標函數使用 “問題名 += 目標函數式” 格式。
-（4）添加約束條件
MyProbLP += (2*x1 - 5*x2 + x3 >= 10) # 不等式約束
MyProbLP += (x1 + 3*x2 + x3 <= 12) # 不等式約束
MyProbLP += (x1 + x2 + x3 == 7) # 等式約束
添加約束條件使用 “問題名 += 約束條件表達式” 格式。
約束條件可以是等式約束或不等式約束，不等式約束可以是 小于等于 或 大于等于，分別使用關鍵字">="、"<=“和”=="。
-（5）求解
MyProbLP.solve()
print("Status:", pulp.LpStatus[MyProbLP.status]) # 輸出求解狀態(tài)
for v in MyProbLP.variables():
print(v.name, "=", v.varValue) # 輸出每個變量的最優(yōu)值
print("F(x) = ", pulp.value(MyProbLP.objective)) #輸出最優(yōu)解的目標函數值
solve() 是求解函數。PuLP默認采用 CBC 求解器來求解優(yōu)化問題，也可以調用其它的優(yōu)化器來求解，如：GLPK，COIN CLP/CBC，CPLEX，和GUROBI，但需要另外安裝。
3、Python程序和運行結果
完整的程序代碼如下：
import pulp
MyProbLP = pulp.LpProblem("LPProbDemo1", sense=pulp.LpMaximize)
x1 = pulp.LpVariable('x1', lowBound=0, upBound=7, cat='Continuous')
x2 = pulp.LpVariable('x2', lowBound=0, upBound=7, cat='Continuous')
x3 = pulp.LpVariable('x3', lowBound=0, upBound=7, cat='Continuous')
MyProbLP += 2*x1 + 3*x2 - 5*x3 # 設置目標函數
MyProbLP += (2*x1 - 5*x2 + x3 >= 10) # 不等式約束
MyProbLP += (x1 + 3*x2 + x3 <= 12) # 不等式約束
MyProbLP += (x1 + x2 + x3 == 7) # 等式約束
MyProbLP.solve()
print("Status:", pulp.LpStatus[MyProbLP.status]) # 輸出求解狀態(tài)
for v in MyProbLP.variables():
print(v.name, "=", v.varValue) # 輸出每個變量的最優(yōu)值
print("F(x) = ", pulp.value(MyProbLP.objective)) #輸出最優(yōu)解的目標函數值
#= 關注 Youcans，分享原創(chuàng)系列 https://blog.csdn.net/youcans =
程序運行結果如下：
Welcome to the CBC MILP Solver Version: 2.9.0 Build Date: Feb 12 2015 Status: Optimal x1 = 6.4285714 x2 = 0.57142857 x3 = 0.0 F(x) = 14.57142851
以上就是Python數學建模PuLP庫線性規(guī)劃入門示例詳解的詳細內容，更多關于數學建模PuLP庫線性規(guī)劃入門的資料請關注腳本之家其它相關文章！
相關文章
本文主要介紹了在pandas中處理數據缺失和0值,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2024-12-12
這篇文章主要介紹了python中的sort方法,需要的朋友可以參考下2014-07-07
安裝ElasticSearch搜索工具并配置Python驅動的方法
這篇文章主要介紹了安裝ElasticSearch搜索工具并配置Python驅動的方法,文中還介紹了其與Kibana數據顯示客戶端的配合使用,需要的朋友可以參考下2015-12-12
MongoDB是由C++語言編寫的非關系型數據庫,是一個基于分布式文件存儲的開源數據庫系統(tǒng),其內容存儲形式類似JSON對象,下面這篇文章主要給大家介紹了關于利用Python操作MongoDB數據庫的相關資料,需要的朋友可以參考下2023-02-02
Python密碼學Caesar?Cipher凱撒密碼算法教程
這篇文章主要為大家介紹了Python密碼學Caesar?Cipher凱撒密碼算法教程，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-05-05
這篇文章主要介紹了Python定時任務實現的方案，定時執(zhí)行的任務，可以是一段bash命令，也可以是一個腳本文件。通常用于我們需要在特定時刻做事情，下面來看看文章詳細內容,需要的朋友可以參考一下2021-11-11
這篇文章主要介紹了Pandas中DataFrame基本函數整理(小結)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-07-07
對于變量和參數，不管是已經敲代碼多年的老鳥，還是剛剛接觸編程的小白，都會有時候清楚，有時候又有點模糊。因為，在實際應用中，它們之間分分離離，比如，敲代碼都知道，x=3中x是變量，它不是參數，但是在函數y=3x+4中，x是變量，也是參數。2014-10-10
這篇文章主要介紹了python實現打印類的所有屬性和方法，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-05-05
這篇文章主要介紹了功能式Python中的探索性數據分析的相關資料，非常不錯，具有參考借鑒價值，需要的朋友可以參考下2017-12-12