它已经有一段时间,因为我已经做到了这一点,所以我有点生疏,但公式是:的Python linprog最大化目标函数
max t(C)*x
s.t. Ax <=b
我有我的一个矩阵约束条件是( 1448x1359):
[[ 1. 1. 0. ..., 0. 0. 0.]
...,
[ 0. 0. 0. ..., 1. 1. 1.]]
然后,我有我的结合b(1448x1):
[ 1. 1. 7. ..., 2. 1. 2.]
而我的目标函数被最大化,这是一个向量(1359,1)。
现在,在其他包我的最大目标函数是841,但是使用linprog:
res = linprog(c=OBJ_N, A_ub=A, b_ub=b, options={"disp": True})
它成功地优化-0.0所以我不知道如果我使用Python中正确的命令,并有我的约束正确的方式?
编辑:确定这是有道理的,它试图最小化。我现在已经改写(交换c和b,并将A转为最小)。
# (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)
不过,我得到“消息:‘Optimzation失败无法找到一个可行的起点。’”
linprog:'最小化的线性目标函数受线性等式和不等式constraints.' - 这是否帮助? – cel
你走错了路......在这里你试图解决你最初的“最小化”问题的“双重”问题。 您可以考虑下面的答案,正确说明您的原始问题。 – Mathiou