编写线性规划程序并写一个调用主程序，举例调用该程序

线性规划是一种数学优化方法，可以用来求解一些最优化问题，比如最大化或最小化某个目标函数，同时满足一些线性约束条件。下面是一个简单的线性规划程序的例子：

from scipy.optimize import linprog

# 定义目标函数和约束条件
c = [-1, 4]  # 目标函数，要最小化 -x + 4y
A = [[2, 1], [-1, 1]]  # 左侧约束条件的系数矩阵
b = [8, 1]  # 右侧约束条件的值

# 求解线性规划问题
res = linprog(c, A_ub=A, b_ub=b)

print(res)

这个程序定义了一个目标函数 $-x+4y$，同时有两个线性约束条件 $2x+y\leqslant8$ 和 $-x+y\leqslant1$，求解这个问题的最优解。

调用该程序的方法是运行上面的代码，输出将是一个字典，包含了最优解和其他相关信息。例如，运行上面的代码将得到下面的输出：

     fun: -1.5714285714285714
 message: 'Optimization terminated successfully.'
     nit: 4
   slack: array([1.71428571e-08, 2.14285714e+00])
  status: 0
 success: True
       x: array([2.28571429, 1.71428571])

其中，`fun` 表示最小化的目标函数值，`x` 表示目标函数的最优解，`slack` 表示约束条件的松弛度，`status` 表示求解状态，等等。

举例调用该程序可以是一个简单的生产计划问题，例如：

某工厂有两个工人和三种机器，机器 1、2、3 的每小时生产能力分别为 $x_1=1$、$x_2=2$、$x_3=3$。工人 1 和工人 2 的每小时工作时间分别为 $y_1=8$ 和 $y_2=10$。每台机器每小时的使用成本分别为 $c_1=1$、$c_2=2$、$c_3=3$。现在要制定生产计划，使得生产总成本最小化，同时满足工人的工作时间限制和机器的生产能力限制。这个问题可以用线性规划来求解。