用python写出解决线性规划问题的代码

要解决线性规划问题，可以使用Python中的优化库，如Scipy或CVXPY。以下是使用CVXPY解决线性规划问题的示例代码：

import cvxpy as cp

# 定义变量
x = cp.Variable(2)

# 定义约束条件
constraints = [2*x[0] + x[1] <= 3,
               x[0] + 3*x[1] <= 4,
               x[0] >= 0,
               x[1] >= 0]

# 定义目标函数
obj = cp.Minimize(-x[0] - x[1])

# 解决问题
prob = cp.Problem(obj, constraints)
prob.solve()

# 输出结果
print("最优解为:", x.value)
print("最优目标函数值为:", prob.value)

在上面的代码中，我们首先定义了两个未知数x[0]和x[1]，然后定义了约束条件和目标函数。接着，我们使用CVXPY的Problem类来创建问题实例，并使用solve()方法来求解问题。

上面的代码解决了以下线性规划问题：

 minimize   -x[0] - x[1]
 subject to  2*x[0] + x[1] <= 3
             x[0] + 3*x[1] <= 4
             x[0] >= 0
             x[1] >= 0

这个问题的最优解是x = [1, 1]，最优目标函数值为-2。