的Python linprog最大化目标函数

Question

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：

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。’”

Answer 1

我猜你大概minimizing代替maximizing你的目标函数。 这种尝试（插入- 在你的目标函数系数的前）：然后

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

你的结果应该是-841。

这工作仅仅是因为：

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