编写线性规划的通用程序（标准形式的问题）写一个调用主程序，举例调用该通用程序；

以下是一个通用程序，用于求解标准形式的线性规划问题：

import numpy as np
from scipy.optimize import linprog

def solve_lp(c, A, b):
    """
    解决线性规划问题的通用函数
    :param c: 目标函数系数，长度为n的一维数组
    :param A: 系数矩阵，大小为m×n的二维数组
    :param b: 约束条件，长度为m的一维数组
    :return: 最优解x和最优目标函数值
    """
    res = linprog(c, A_ub=A, b_ub=b)
    x = res.x
    obj = res.fun
    return x, obj

在调用该通用程序时，需要提供目标函数系数c、系数矩阵A和约束条件b。下面是一个例子，用于最小化目标函数f(x) = -x1 - 2x2，满足以下约束条件：

x1 + x2 <= 5
2x1 + x2 >= 4
x1, x2 >= 0

代码如下：

c = np.array([-1, -2])
A = np.array([[1, 1], [-2, -1]])
b = np.array([5, -4])
x, obj = solve_lp(c, A, b)
print("最优解:", x)
print("最优目标函数值:", obj)

输出结果为：

最优解: [2.5 2.5]
最优目标函数值: -5.0

这说明，在满足约束条件的情况下，目标函数f(x) = -x1 - 2x2 的最小值为-5，当x1 = 2.5, x2 = 2.5 时取得最小值。