這篇文章主要介紹了Python二次規劃和線性規劃使用實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

對于二次規劃（quadratic programming）和線性規劃（Linear Programming）問題

MATLAB里是有quadprog函數可以直接用來解決二次規劃問題的，linprog函數來解決線性規劃問題。Python中也有很多庫用來解決，對于二次規劃有CVXOPT, CVXPY, Gurobi, MOSEK, qpOASES 和 quadprog； 對于線性規劃有Gurobi，PuLP， cvxopt。

目前發現quadprog進行pip install quadprog不成功，而cvxopt成功了，就先說cvxopt的使用。

安裝

conda install -c conda-forge cvxopt

安裝非常順利

使用

cvxopt有自己的matrix格式，因此使用前得包裝一下

對于二次規劃：

def cvxopt_solve_qp(P, q, G=None, h=None, A=None, b=None):  P = .5 * (P + P.T) # make sure P is symmetric  args = [cvxopt.matrix(P), cvxopt.matrix(q)]  if G is not None:    args.extend([cvxopt.matrix(G), cvxopt.matrix(h)])    if A is not None:      args.extend([cvxopt.matrix(A), cvxopt.matrix(b)])  sol = cvxopt.solvers.qp(*args)  if 'optimal' not in sol['status']:    return None  return np.array(sol['x']).reshape((P.shape[1],))

對于線性規劃：

def cvxopt_solve_lp(f, A, b):  #args = [cvxopt.matrix(f), cvxopt.matrix(A), cvxopt.matrix(b)]  #cvxopt.solvers.lp(*args)  sol = cvxopt.solvers.lp(cvxopt.matrix(f), cvxopt.matrix(A), cvxopt.matrix(b))  return np.array(sol['x']).reshape((f.shape[0],))

參考：

Quadratic Programming in Python

Linear Programming in Python with CVXOPT

cvxopt.org

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持武林網之家。