线性规划python代码实现

可以使用Python中的优化库来实现线性规划问题。下面是一个使用SciPy库中的linprog函数来实现线性规划的示例代码：

from scipy.optimize import linprog

# 定义线性规划问题的目标函数系数
c = [-1, -2]

# 定义线性规划问题的不等式约束矩阵
A = [[3, 1],
     [1, 2]]

# 定义线性规划问题的不等式约束右侧向量
b = [9, 8]

# 定义线性规划问题的变量取值范围
x0_bounds = (None, None)
x1_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=(x0_bounds, x1_bounds), method='simplex')

# 输出结果
print('Optimal value:', res.fun)
print('Optimal solution:', res.x)

在上面的示例代码中，首先定义了线性规划问题的目标函数系数、不等式约束矩阵、不等式约束右侧向量和变量取值范围。然后调用linprog函数，传入相应的参数来求解线性规划问题。最后输出结果，包括最优解和最优值。

注意：这里假设线性规划问题是一个最小化问题，目标函数系数中的负号表示最大化问题。如果要求解最大化问题，可以把目标函数系数取负。