python解线性规划

㈠ 用python解决下列短信费用题目

定义条数计算函数：
def _counter(n):
....return int(n/70) + (1 if n%70==0 else 0)
读出每次短信字数n,用_counter计算并求和，然后除以10。

㈡ Python有哪些可以做带约束的二次线性规划的包

线性规划立足于求满足所有约束条件的最优解,而在 实际问题中,可能存在相互矛盾的约束条件.目标规划可 以在相互矛盾的约束条件下找到满意解.

㈢ python有能解决层次线性规划的库吗

约束条件没时间细看了，根据你的代码改了一下，没有语法错误了！ !集部分; sets: month/1..12/: it, dt, st, rt, ht; endsets !目标函数; MAX=@sum(month(I): 5400*DT(I) + 2400.110*HT(I)); !约束条件; @for(month(I): Rt(I) - Dt(I) >=20; It(。

㈣ 单纯形表法求解目标函数最小值时，有两个非基变量的负检验数相同，如何选择入基变量

因为基本可行解的个数有限，故经有限次转换必能得出问题的最优解。从线性方程组找出一个个的单纯形，每一个单纯形可以求得一组解，然后再判断该解使目标函数值是增大还是变小了，决定下一步选择的单纯形。通过优化迭代，直到目标函数实现最大或最小值。如果线性问题存在最优解，一定有一个基可行解是有最优解。因此单纯形法迭代的基本思路是：先找出一个基可行解，判断其是否为最优解。如为否，则转换到相邻的基可行解，并使目标函数值不断增大，一直找到最优解为止。(4)python解线性规划扩展阅读：由于目标函数和约束条件内容和形式上的差别，线性规划问题可以有多种表达式。因此，为了便于讨论和制定统一的算法，在制定单纯形法时，规定使用单纯形法求解的线性规划问题需要有一个标准形式，它有下面三个特征：(1) 标准形式目标函数统一为求极大值或极小值，但单纯形法主要用来求解极大值；(2) 所有约束条件（除非负条件外）都是等式，约束条件右端常数项bi全为非负值；(3) 所有变量的取值全为非负值。

搜索
免费python全套教程
python必背100源代码
编程入门教程300例
初学编程100个简单教程
初中数学全套解题技巧
编程必背50个程序

㈤ Python里面的scipy库如何计算线性规划问题呢

这里有一篇文章介绍了如何做，但是不是你的例子，你参考以下，应该很简单就能写出来了http://jingyan..com/article/e2284b2b5800e6e2e6118d97.html

㈥ 学习多目标优化需要掌握哪些python知识

多目标优化

目标优化问题一般地就是指通过一定的优化算法获得目标函数的最优化解。当优化的目标函数为一个时称之为单目标优化(Single-
objective Optimization Problem,
SOP)。当优化的目标函数有两个或两个以上时称为多目标优化(Multi-objective Optimization Problem,
MOP)。不同于单目标优化的解为有限解，多目标优化的解通常是一组均衡解。

多目标优化算法归结起来有传统优化算法和智能优化算法两大类。
1. 传统优化算法包括加权法、约束法和线性规划法等，实质上就是将多目标函数转化为单目标函数，通过采用单目标优化的方法达到对多目标函数的求解。
2. 智能优化算法包括进化算法（Evolutionary Algorithm, 简称EA）、粒子群算法（Particle Swarm Optimization, PSO）等。

Pareto最优解：

若x*∈C*,且在C中不存在比x更优越的解x，则称x*是多目标最优化模型式的Pareto最优解，又称为有效解。
一般来说，多目标优化问题并不存在一个最优解，所有可能的解都称为非劣解，也称为Pareto解。传统优化技术一般每次能得到Pareo解集中的一个，而
用智能算法来求解，可以得到更多的Pareto解，这些解构成了一个最优解集，称为Pareto最优解。它是由那些任一个目标函数值的提高都必须以牺牲其
他目标函数值为代价的解组成的集合,称为Pareto最优域，简称Pareto集。

Pareto有效(最优)解非劣解集是指由这样一些解组成的集合：与集合之外的任何解相比它们至少有一个目标函数比集合之外的解好。

求解多目标优化问题最有名的就是NSGA-II了，是多目标遗传算法，但其对解的选择过程可以用在其他优化算法上，例如粒子群，蜂群等等。这里简单介绍一下NSGA-II的选择算法。主要包含三个部分：
1. 快速非支配排序
要先讲一下支配的概念，对于解X1和X2，如果X1对应的所有目标函数都不比X2大（最小问题），且存在一个目标值比X2小，则X2被X1支配。
快速非支配排序是一个循环分级过程：首先找出群体中的非支配解集，记为第一非支配层，irank=1（irank是个体i的非支配值），将其从群体中除去，继续寻找群体中的非支配解集，然后irank=2。
2. 个体拥挤距离
为了使计算结果在目标空间比较均匀的分布，维持种群多样性，对每个个体计算拥挤距离，选择拥挤距离大的个体，拥挤距离的定义为：
L[i]d=L[i]d+(L[i+1]m−L[i−1]m)/(fmaxm−fminm)
L[i+1]m是第i+1个个体的第m目标函数值，fmaxm 和 fminm是集合中第m个目标函数的最大和最小值。
3. 精英策略选择
精英策略就是保留父代中的优良个体直接进入子代，防止获得的Pareto最优解丢失。将第t次产生的子代种群和父代种群合并，然后对合并后的新种群进行非支配排序，然后按照非支配顺序添加到规模为N的种群中作为新的父代。

㈦ python求解线性规划问题，百度后发现了scipy模块，optimize，新手希望大神能写个实例，例子如下：

scipy做线性规划不是很方便，推荐用pulp来做，这个模块不属于python的内置模块，需要先安装，pip install pulp
from pulp import *

# 设置对象
prob = LpProblem('myProblem', LpMinimize)

# 设置三个变量，并设置变量最小取值
x1 = LpVariable('x1', 0)
x2 = LpVariable('x2', 0)
x3 = LpVariable('x3', 0)
x4 = LpVariable('x4')

# 载入目标函数，默认是求最小值，因此这次对原目标函数乘以-1
prob += 3*x1 - 4*x2 + 2*x3 -5*x4

# 载入约束变量
prob += 4*x1 - x2 + 2*x3 -x4 == -2
prob += x1 + x2 -x3 + 2*x4 <= 14
prob += -2*x1 + 3*x2 + x3 -x4 >= 2

# 求解
status = prob.solve()

# 显示结果
for i in prob.variables():
print(i.name + "=" + str(i.varValue))

计算结果为：
x1=0.0
x2=2.0
x3=4.0
x4=8.0

㈧ Python有哪些可以做带约束的二次线性规划的包

APM Python
- APM Python is free optimization software through a web service.
Nonlinear Programming problem are sent to the APMonitor server and
results are returned to the local Python script. A web-interface
automatically loads to help visualize solutions, in particular dynamic
optimization problems that include differential and algebraic equations.
Default solvers include APOPT, BPOPT, and IPOPT. Pre-configured modes
include optimization, parameter estimation, dynamic simulation, and
nonlinear control.
Coopr - The Coopr software project integrates a variety of Python optimization-related packages.
CVOXPT
- CVXOPT is a free software package for convex optimization based on
the Python programming language. It can be used with the interactive
Python interpreter, on the command line by executing Python scripts, or
integrated in other software via Python extension moles. Its main
purpose is to make the development of software for convex optimization
applications straightforward by building on Python’s extensive standard
library and on the strengths of Python as a high-level programming
language.
OpenOpt
(license: BSD) contains connections to tens of solvers and has some own
Python-written ones, e.g. nonlinear solver with specifiable accuracy: interalg, graphic output of convergence and some more numerical optimization "MUST HAVE" features. Also OpenOpt can solve FuncDesigner
problems with automatic differentiation, that usually work faster and
gives more precise results than finite-differences derivatives
approximation.
PuLP
- PuLP is an LP modeler written in python. PuLP can generate MPS or LP
files and call GLPK, COIN CLP/CBC, CPLEX, and GUROBI to solve linear
problems.
Pyomo
- The Python Optimization Modeling Objects (Pyomo) package is an open
source tool for modeling optimization applications in Python. Pyomo can
be used to define symbolic problems, create concrete problem instances,
and solve these instances with standard solvers. Pyomo provides a
capability that is commonly associated with algebraic modeling languages
such as AMPL, AIMMS, and GAMS, but Pyomo's modeling objects are
embedded within a full-featured high-level programming language with a
rich set of supporting libraries. Pyomo leverages the capabilities of
the Coopr software library, which integrates Python packages for
defining optimizers, modeling optimization applications, and managing
computational experiments.
scipy.optimize - some solvers written or connected by SciPy developers.
pyOpt
- pyOpt is a package for formulating and solving nonlinear constrained
optimization problems in an efficient, reusable and portable manner
(license: LGPL).

㈨ 使用python解决提到数学题

先设s=25x+20y+60z
再随便设y=0,z=0.得到x<=60.
这说明解中的x的范围在[0,60]内.
之后就是在[0,60]范围内寻找这个解的过程了

简单的可以让x取遍从0到60这61个数,找出其中最大的就行了
y的值也做同样遍历.z只取最大的就可以了

max, maxy = 0, 0
for x in range(61):
maxy = 200 - x
if maxy > (180 - 3 * x):
maxy = 180 - 3 * x
for y in range(maxy + 1):
z = 200 - x - 2 * y
if z > (180 - 3 * x - y):
z = (180 - 3 * x - y)
if max < (25 * x + 20 * y + 60 * z):
max = (25 * x + 20 * y + 60 * z)
print "x = %d, y = %d, z = %d, max = %d" %(x, y, z, max)

好久没写python了..语法都是刚刚查的.可能有错误哈.效率看起来也不高

㈩ 线性规划习题

同学，这是最基本的线性规划问题，可以用基本的“单纯形法”求解，网上应该有相应的教程的，我的图片里列出了我亲自笔算的详细表格，最终的x1=2,x2=4,x3=0目标函数最大值为22