Python等价于线性规划的lpr解法

Question

我正在将代码从R转换为Python，并且正在寻找一些最简单的方法来解决线性规划问题。我已经搜索了很长一段时间，似乎还没有一个最好的模块使用的共识。你知道吗

在本例中，我只想选择5个选项中的3个，最大化obj，同时确保约束列大于0:

obj = [np.random.uniform(0, 100) for _ in range(5)]
col1 = [1] * 5
col2 = [np.random.uniform(0, 100) for _ in range(5)]
col3 = [np.random.uniform(0, 100) for _ in range(5)]
col4 = [np.random.uniform(0, 100) for _ in range(5)]
col5 = [np.random.uniform(0, 100) for _ in range(5)]
col6 = [np.random.uniform(0, 100) for _ in range(5)]

ConstraintMatrix = pd.DataFrame(data = {'col1': col1, 'col2': col2, 'col3': col3, 'col4': col4, 'col5': col5, 'col6': col6})
ConstraintDirections = ['==', '>=', '>=', '>=', '>=', '>=']
ConstraintValues = [3, 0, 0, 0, 0, 0]

在R中，为了获得最大化目标的3个项目，我只需运行：

library(lpSolve)
sol <- lpSolve::lp("max",
                   objective.in = obj,
                   const.mat    = t(ConstraintMatrix), # Transpose matrix
                   const.dir    = ConstraintDirections,
                   const.rhs    = ConstraintValues,
                   all.bin      = T # decision variables are all binary
)

ConstraintMatrix$selected <- sol$solution[1:nrow(ConstraintMatrix)]
ConstraintMatrix <- ConstraintMatrix[ConstraintMatrix$selected == 1,]

显然，这个问题不需要线性规划来解决，但它说明了为了解决更大的问题，我正在从Python中寻找什么。有没有一个Python函数，它接受一个目标、约束矩阵、方向向量和值向量，并像我的lpSolve:lp那样给出一个解决方案？你知道吗

Answer 1

我想Pulp会很适合你的。你知道吗

当您试图解决二进制问题时，请检查以下内容：

1. 纸浆的set partitioning example
2. 纸浆的Sudoku example
3. 相关SO question