用python写出一个单纯形法代码

以下是一个简单的单纯形法实现，仅供参考：

import numpy as np

def simplex(c, A, b):
    """
    c: 目标函数系数
    A: 约束条件系数矩阵
    b: 约束条件右边的常数
    """
    m, n = A.shape
    B = np.eye(m)  # 初始基矩阵
    N = np.eye(n)  # 初始非基矩阵
    x_B = b  # 初始基变量取 b
    x_N = np.zeros(n)  # 初始非基变量为 0
    x = np.concatenate([x_B, x_N])  # 初始解

    while True:
        # 计算对偶变量
        y = np.dot(c[B], np.linalg.inv(A[:, B]))
        # 计算目标函数值
        z = np.dot(c[B], x_B)

        # 计算列向量 r
        r = c[N] - np.dot(y, A[:, N])

        # 如果 r 全部非正，则当前解为最优解
        if all(r <= 0):
            return x_B, z

        # 选取使 r 最小的非基变量 k
        k = np.argmax(r)

        # 计算列向量 d
        d = np.dot(np.linalg.inv(A[:, B]), A[:, N][:, k])
        if all(d <= 0):
            # 问题无界
            return None

        # 选取使 x_B 中第 i 个变量离开基的位置 l
        l = np.argmin(x_B / d)

        # 更新基变量和非基变量
        x_B[l] = x_B[l] / d[l]
        x_N[k] = x_B[l]
        B[l] = N[k]
        N[k] = np.eye(m)[l]

        # 更新解
        x = np.concatenate([x_B, x_N])

调用方式：

c = np.array([3, 2, 0, 0])
A = np.array([[1, 4, 1, 0],
              [2, 3, 0, 1]])
b = np.array([6, 9])
x, z = simplex(c, A, b)
print('最优解:', x)
print('最优值:', z)