scipy中method='interior-point'被废弃后怎么求解自变量取值为整数的线性规划问题

可以使用整数线性规划求解器，例如PuLP或Gurobi等。这些求解器可以通过设置变量类型为整数来解决整数线性规划问题。以下是一个使用PuLP求解整数线性规划的示例：

import pulp

# 创建LP问题
prob = pulp.LpProblem('Integer Linear Programming', pulp.LpMinimize)

# 创建决策变量
x1 = pulp.LpVariable('x1', lowBound=0, cat='Integer')
x2 = pulp.LpVariable('x2', lowBound=0, cat='Integer')

# 添加约束条件
prob += x1 + x2 >= 5
prob += 2*x1 + x2 >= 8

# 添加目标函数
prob += 3*x1 + 4*x2

# 求解问题
prob.solve()

# 输出结果
print('Optimal value:', pulp.value(prob.objective))
print('x1:', pulp.value(x1))
print('x2:', pulp.value(x2))

在上述示例中，我们使用了PuLP求解了一个整数线性规划问题。我们首先创建了一个LP问题，然后定义了两个整数决策变量x1和x2。接下来，我们添加了两个约束条件和一个目标函数。最后，我们调用prob.solve()方法来求解问题，并使用pulp.value()函数获取最优解和决策变量的值。