基于受控词汇表的表达式树构建与翻译
cvexp的Python项目详细描述
cvexp是“受控词汇表达式”的缩写。 python模块，允许抽象语法树（“表达式”）为 构造起来和编写普通的python代码一样简单。名字 抽象语法树中的函数的 词汇表，使用uri作为名称，就像w3c rdf那样。
cvexp的目的是让开发人员更容易 将第三方库集成到python中而不必指定 全新的API。特别关注的图书馆和语言是 计算机代数系统，线性规划和优化（如 lp_solve、glpk和cvxopt）和prolog。
下面是一个求解混合整数线性规划的例子 使用glpk作为后端时出现问题。为了让它起作用，你 显然必须安装必备的python包（即python glpk或 无论如何）因为这些不包括在cvexp中：
from cvexp.builders import var
from cvexp.builders import integer
from cvexp.builders import minimize
from cvexp.translate_glpk import solve
# You could also use lp_solve by doing this:
# from cvexp.translate_lpsolve55 import solve
# ...or you could use CVXOPT like this:
# from cvexp.translate_cvxopt import solve
X = var('X') # the 'X' name is optional
Y = var('Y') # ...and so is 'Y'
# Purely linear programming:
sol = solve((
Y + 0.1 == X,
Y >= 9.8 - X,
minimize(Y),
), out_filename='problem.out') # out_filename is optional
print 'X =', sol[X] # >>> 4.95
print 'Y =', sol[Y] # >>> 4.85
# Mixed integer-linear programming:
sol = solve((
Y + 0.1 == X,
Y >= 9.8 - X,
integer(Y),
minimize(Y),
), out_filename='problem.out') # out_filename is optional
print 'X =', sol[X] # >>> 5.1
print 'Y =', sol[Y] # >>> 5
如果使用cvxopt，也可以解决二次规划问题。 例如：
from cvexp.builders import var
from cvexp.builders import integer
from cvexp.builders import minimize
from cvexp.translate_cvxopt import solve
X = var()
Y = var()
sol = solve((
minimize((X - 5) ** 2 + (Y - 3) ** 2),
))
print 'X =', sol[X] # >>> 5.0
print 'Y =', sol[Y] # >>> 3.0
欢迎加入QQ群-->： 979659372
