我试着用scipy.optimize.linprog在一个简单的案子里它对我不起作用。我一定是做错了什么事——请帮我找出来。在
这里是输入和预期的解决方案,以及一个测试,预期的解决方案是可行的
import numpy, scipy.optimize
print "A", A_ub
print "b", b_ub
print "c", c
print "x_expected", x_expected
print "expected optimum", numpy.dot(c, x_expected)
print "feasibility test", numpy.dot(A_ub, x_expected) <= b_ub
这个指纹
^{pr2}$当我给linprog打电话时,我得到了一个可行的解决方案,但它似乎没有我上面所期望的那样最佳。在
r = scipy.optimize.linprog(c, A_ub, b_ub)
x_derived = r.x
print "x_derived", x_derived
print "derived optimum", numpy.dot(c, x_derived)
print "derived feasibility", numpy.dot(A_ub, x_derived) <= b_ub
这个指纹
x_derived [ 1. 0. 0. 1.]
derived optimum 1.0
derived feasibility [ True True True True]
在我的推理中,我应该得到预期的解决方案(或者更好的解决方案,如果有的话)而不是我得到的解决方案,这是不是有什么问题?如果我没有错,我怎么才能让linprog帮我拿到呢?谢谢!在
默认情况下,Linprog假设通常的线性规划下限
x >= 0
,而您的“预期”解决方案无法满足该下限。请参阅bounds
关键字参数以更改边界。在相关问题 更多 >
编程相关推荐