8．设计蛮力算法求解小规模的线性规划问题。假设约束条件为：①r+y≤4;②x+3y≤6;③r≥0且y≥0，使目标函数3x+5y 取得极大值。请用Python实现，并给出运行结果截图

设计一个蛮力算法（也称暴力搜索或穷举法）来求解线性规划问题并不高效，因为这类问题通常更适合使用专业的优化算法如单纯形法或内点法。然而，为了演示基本原理，我们可以创建一个简单的程序，通过遍历所有可能的整数组合来找到最大值。由于题目限制了变量非负，我们可以从0开始递增。

# 定义变量范围
max_r = 4
max_y = 6

# 线性规划的目标函数系数
coeff_x = 3
coeff_y = 5

# 极大值初始化为最小值
max_value = float('-inf')
best_solution = None

# 检查每个可能的 (r, y) 组合
for r in range(max_r + 1):
    for y in range(max_y + 1):
        # 验证是否满足约束条件
        if r + y <= 4 and x + 3*y <= 6:
            value = coeff_x * r + coeff_y * y
            if value > max_value:
                max_value = value
                best_solution = {'r': r, 'y': y}

print(f"最优解：r={best_solution['r']}, y={best_solution['y']}，目标函数值={max_value}")

# 这里无法提供运行结果截图，因为这是一个文本环境。如果你实际运行这个脚本，它会显示最终的结果。

注意，这种方法只适用于非常简单的问题，对于实际大小的线性规划问题，上述算法效率极低，不适合实际使用。