python - 线性规划:如何在 SCIPY 优化中引入第二个决策变量(数组)?
问题描述
在 scipy.optimize.linprog(c, A_eq, b_eq)
中,得到的解决方案是一个决策变量(数组),称为 x
与数组相乘 c
。
如何允许 y
在约束向量中 调用第二个决策变量(数组)b_eq
并让 linprog 最小化主要目标函数,以便不仅针对 y
也针对 优化 x
?
换句话说,我们希望通过找到最优 x
数组以及新引入的 y
数组来最小化目标函数,而不是仅通过找到最优 xarray 来最小化目标函数。
几个月前提出了同样的问题,但没有有用的答案:
解决方案
推荐阅读
- google-cloud-platform - 内容配额限制 - 如何区分“每个项目”和“每个用户每个项目”?
- c# - 泛型奇怪的转换错误
- javascript - ReactJS:API调用中的数组仅显示最后一个元素?
- laravel - Laravel 结合了两条路线以获得简单的 url
- ios - 在混合 Cordova iOS 应用程序中使用 iosrtc 插件的问题
- php - PHP MySQL 错误,无法在 XAMPP 上注册和发布参数到本地服务器
- python-3.x - Python爬虫(bs4,urlopen)故障
- docker - 如何在 docker 中执行多 CMD?
- avro - Nifi MergeRecord 不适用于 avro 流文件
- r - R - 将函数应用于正则表达式匹配