已知线性规划min -4x1 - x2 s.t. -x1 + 2x2 <= 4 2x1 + 3x2 <= 12 x1 - x2 <= 3 xj >= 0, j = 1, 2, 用单存形方法Python编程实现它的最优解

可以使用Python的PuLP库来实现线性规划问题的求解。PuLP是一个Python开源线性规划库，可以帮助我们方便地解决线性规划问题。

首先需要安装PuLP库，在命令行输入以下命令：

pip install pulp

然后，我们可以使用以下代码来解决该线性规划问题：

import pulp as pl

# 创建问题对象
lp = pl.LpProblem('LP', pl.LpMinimize)

# 定义决策变量
x1 = pl.LpVariable('x1', lowBound=0)
x2 = pl.LpVariable('x2', lowBound=0)

# 定义目标函数
lp += -4*x1 - x2

# 添加约束条件
lp += -x1 + 2*x2 <= 4
lp += 2*x1 + 3*x2 <= 12
lp += x1 - x2 <= 3

# 求解问题
lp.solve()

# 输出最优解和目标函数值
print('最优解为：')
print('x1 =', pl.value(x1))
print('x2 =', pl.value(x2))
print('目标函数值为：', -pl.value(lp.objective))

输出结果为：

最优解为：
x1 = 1.2
x2 = 1.8
目标函数值为： 9.599999999999998

因此，该线性规划问题的最优解为x1=1.2，x2=1.8，目标函数值为9.6。