min{max{qixi}}这种目标函数，要如何用linprog表示

对于目标函数min{max{qixi}}，可以通过引入额外的变量来进行转换，以便使用`linprog`函数进行线性规划求解。

假设最终的目标函数为`min{max{qixi}}`，我们可以引入一个新的变量`M`，然后将目标函数转化为`min M`。同时，我们需要添加一些约束条件来确保`M`大于等于`qixi`的每个组合。

以下是修改后的代码示例：

from scipy.optimize import linprog
import matplotlib.pyplot as plt

a = 0
c_values = []
Q_values = []

while (1.1 - a) > 1:
    c = [0, 0, 0, 0, -1]  # 目标函数改为 [0, 0, 0, 0, -1]
    Aeq = [[1, 1.01, 1.02, 1.045, 1.065]]
    beq = [1]
    A = [[-1, 0, 0, 0, 0], [0, -1, 0, 0, 0], [0, 0, -1, 0, 0], [0, 0, 0, -1, 0], [0, 0, 0, 0, -1]]  # 添加 M 大于等于 qixi 的约束条件
    b = [-a, -a, -a, -a, 0]
    vlb = [0, 0, 0, 0, 0]
    vub = []

    res = linprog(c=c, A_ub=A, b_ub=b, A_eq=Aeq, b_eq=beq, bounds=list(zip(vlb, vub)))
    x = res.x[:5]  # 去除最后一个元素，即 M 的取值
    a += 0.001
    print(a)
    print(x)
    Q = max([q * x[i] for i, q in enumerate(c)])  # 计算 max{qixi}

    c_values.append(a)
    Q_values.append(Q)

plt.plot(c_values, Q_values, '.')
plt.xlabel('a')
plt.ylabel('Q')
plt.axis([0, 1.1, 0, 0.5])
plt.show()

请尝试运行修改后的代码，看看是否符合您的预期。