sklearn 线性规划

sklearn 中没有专门用于线性规划的模块，但可以使用 scipy.optimize 中的 linprog 函数来实现线性规划。具体步骤如下：

1. 安装 scipy 库：在命令行中输入 pip install scipy

2. 导入 linprog 函数：from scipy.optimize import linprog

3. 定义目标函数系数 c、不等式约束系数 A_ub 和不等式约束右侧系数 b_ub、等式约束系数 A_eq 和等式约束右侧系数 b_eq、变量边界范围 bounds。

4. 调用 linprog 函数求解线性规划问题：linprog(c, A_ub, b_ub, A_eq, b_eq, bounds)

例如，下面是一个求解最小化目标函数 f = -2x1 + x2 的线性规划问题：

from scipy.optimize import linprog

# 定义目标函数系数和不等式约束系数及右侧系数
c = [-2, 1]
A_ub = [[1, 1], [-1, 2]]
b_ub = [3, 2]

# 调用 linprog 函数求解线性规划问题
res = linprog(c, A_ub, b_ub)

# 输出最优解和最优目标函数值
print('最优解：', res.x)
print('最优目标函数值：', -res.fun)

输出结果为：

最优解： [1. 2.]
最优目标函数值： 0.9999999938687758