线性规划

简单线性规划

没什么好说的直接上模型

from scipy import optimize
import nump as np

res=optimize.linprog(c,A,b,Aeq,beq,LB,UB,X0,Options)
# 目标函数最小值
print(res.fun)
# 最优解
print(res.x)

整数规划

​ 和线性规划基本相同,只是增加了部分变量为整数的约束。基本框架是分支界定法,首先除去整数约束,得到的模型称为’松驰模型’,然后再分别添加约束(仍不用加整数约束),分别求解。当节点求解结果中所有变量都是整数时,停止分支。这样不断迭代,每当值比当前值更优则更新答案。

非线性规划

​ 可以简单分为两种:目标函数规划为凸函数的线性规划和目标函数为非凸函数的线性规划。

  • 目标函数为凸函数:

    可以用cvxpy解决

  • 目标函数为非凸函数:

    ​ 纯数学方法,求导 头都求掉了

    ​ 深度学习 个人感觉大材小用

    scipy.optimize.minimize

    ​ 具体也可参考这个

这篇我自己都觉得水…