线性规划模型Python代码

线性规划是一种优化方法，用于在满足一系列约束条件的情况下，最大化或最小化一个线性目标函数。在Python中，可以使用`scipy.optimize.linprog`函数来解决线性规划问题。以下是一个简单的线性规划模型的Python代码示例：

from scipy.optimize import linprog

# 定义目标函数系数（假设我们要最小化这个函数）
c = [-1, -2]

# 定义不等式约束条件系数矩阵
A = [[1, 1], [2, 1]]

# 定义不等式约束条件右侧值
b = [6, 8]

# 定义变量的边界（可选）
x_bounds = (0, None)
y_bounds = (0, None)

# 调用linprog函数求解线性规划问题
res = linprog(c, A_ub=A, b_ub=b, bounds=[x_bounds, y_bounds])

# 输出结果
print("最优解：", res.x)
print("目标函数最小值：", -res.fun)

在这个例子中，我们有一个目标函数`-x - 2y`，我们希望最小化它。同时，我们有两个不等式约束条件：`x + y <= 6`和`2x + y <= 8`。我们使用`linprog`函数来求解这个问题，并输出最优解和目标函数的最小值。