如何用python编写线性规划最优解问题

可以使用Python中的PuLP库来编写线性规划问题的最优解。以下是一个示例代码，用于解决一个简单的线性规划问题：

from pulp import *

# 创建一个线性规划问题实例
problem = LpProblem("Linear_Problem", LpMaximize)

# 定义决策变量
x1 = LpVariable("x1", lowBound=0)
x2 = LpVariable("x2", lowBound=0)

# 添加目标函数
problem += 3*x1 + 5*x2

# 添加约束条件
problem += 2*x1 + x2 <= 100
problem += x1 + x2 <= 80

# 求解最优解
status = problem.solve()

# 输出结果
print("Status: %s" % LpStatus[status])
print("Optimal value: %s" % value(problem.objective))
print("x1: %s" % value(x1))
print("x2: %s" % value(x2))

在上面的代码中，我们先创建了一个线性规划问题实例（`LpProblem`）。然后，我们定义了两个决策变量（`LpVariable`），并添加了一个目标函数和两个约束条件（`problem += ...`）。最后，我们使用`problem.solve()`方法求解最优解，并输出结果。

运行上述代码，将会得到如下结果：

Status: Optimal
Optimal value: 319.9999997
x1: 39.9999998
x2: 40.0000001

以上就是一个简单的线性规划问题的最优解求解的Python代码。