py设计蛮力算法求解小规模的线性规划问题。假设约束条件：①x + y <= 4;②x+3*y <= 6; ③x >= 0 且 y >= 0，使目标函数3*x + 5*y取得极大值。

在Python中，我们可以使用暴力搜索（Brute Force Algorithm）或称为穷举法来解决这类小规模的线性规划问题。为了找到最大值，你需要遍历所有可能的非负整数解 (x, y) 来满足约束条件。这里是一个简单的步骤：

1. 定义变量范围：由于 x 和 y 都是非负整数，我们可以将它们的最大值设置为4（因为 x+y<=4），同时 y 的最大值为 x 的一半（因为 x+3y<=6）。

2. 创建一个循环，从 x=0 到 x=4，再从 y=0 到 y=x/3，检查每一对(x, y) 是否满足所有的约束条件。

3. 对于每个(x, y)，计算目标函数值：f = 3*x + 5*y。

4. 保存当前最大目标函数值及其对应的 x 和 y 值。

以下是这段算法的伪代码：

max_value = float('-inf')
best_solution = None

# 检查所有可能的x和y组合
for x in range(5):
    for y in range(int(x / 3) + 1): # 因为x+3y<=6
        if x + y <= 4 and x >= 0 and y >= 0: # 检查约束条件
            current_value = 3 * x + 5 * y
            if current_value > max_value:
                max_value = current_value
                best_solution = (x, y)

# 输出结果
print("最优解 (x, y):", best_solution)
print("最大目标函数值:", max_value)

请注意，这种方法对于大规模问题效率极低，当约束和变量更多时，应考虑更高效的优化算法如单纯形法（Simplex Algorithm）或内点法（Interior Point Methods）。但对于这个问题来说，它适用于教学演示或小规模实例。