python设计蛮力算法求解小规模的线性规划问题。假设约束条件：①x + y <= 4;②x+3*y <= 6; ③x >= 0 且 y >= 0，使目标函数3*x + 5*y取得极大值。

Python设计暴力算法求解小规模线性规划问题通常会涉及到穷举法，因为这种方法适合于简单情况下的全局最优搜索。对于给定的问题，我们有三个变量 x、y 和目标函数 z = 3x + 5y。由于约束条件为整数限制，我们可以创建一个二维列表来遍历所有可能的 (x, y) 对，并计算每个点的目标函数值。

首先，我们需要设置一个步长（例如1），然后从 (0, 0) 开始，逐步增大 x 和 y 的值，直到它们达到某个上限（比如最大整数值），同时满足所有约束条件。对于每一步，如果目标函数值比当前已知的最大值还要大，就更新最大值。

这是一个简化的示例代码：

def brute_force_linear_programming(max_x=4, max_y=6):
    max_value = float('-inf')  # 初始化最大目标函数值
    for x in range(0, max_x+1):  # 从0到最大x值
        for y in range(0, max_y+1):  # 同样从0到最大y值
            if x + y <= 4 and x + 3*y <= 6:  # 检查约束条件
                current_value = 3 * x + 5 * y
                if current_value > max_value:
                    optimal_solution = (x, y)  # 更新最优解
                    max_value = current_value

    return max_value, optimal_solution

# 调用函数并打印结果
max_value, optimal_solution = brute_force_linear_programming()
print(f"最大目标函数值: {max_value}")
print(f"最优解 (x, y): {optimal_solution}")