這篇文章主要介紹了Python二次規(guī)劃和線性規(guī)劃使用實(shí)例,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

對(duì)于二次規(guī)劃(quadratic programming)和線性規(guī)劃(Linear Programming)問題

MATLAB里是有quadprog函數(shù)可以直接用來解決二次規(guī)劃問題的，linprog函數(shù)來解決線性規(guī)劃問題。Python中也有很多庫用來解決，對(duì)于二次規(guī)劃有CVXOPT, CVXPY, Gurobi, MOSEK, qpOASES 和 quadprog； 對(duì)于線性規(guī)劃有Gurobi，PuLP， cvxopt。

目前發(fā)現(xiàn)quadprog進(jìn)行pip install quadprog不成功，而cvxopt成功了，就先說cvxopt的使用。

安裝

conda install -c conda-forge cvxopt

安裝非常順利

使用

cvxopt有自己的matrix格式，因此使用前得包裝一下

對(duì)于二次規(guī)劃：

def cvxopt_solve_qp(P, q, G=None, h=None, A=None, b=None):

P = .5 * (P + P.T) # make sure P is symmetric

args = [cvxopt.matrix(P), cvxopt.matrix(q)]

if G is not None:

args.extend([cvxopt.matrix(G), cvxopt.matrix(h)])

if A is not None:

args.extend([cvxopt.matrix(A), cvxopt.matrix(b)])

sol = cvxopt.solvers.qp(*args)

if "optimal" not in sol["status"]:

return None

return np.array(sol["x"]).reshape((P.shape[1],))

對(duì)于線性規(guī)劃：

def cvxopt_solve_lp(f, A, b):

#args = [cvxopt.matrix(f), cvxopt.matrix(A), cvxopt.matrix(b)]

#cvxopt.solvers.lp(*args)

sol = cvxopt.solvers.lp(cvxopt.matrix(f), cvxopt.matrix(A), cvxopt.matrix(b))

return np.array(sol["x"]).reshape((f.shape[0],))

參考：

Quadratic Programming in Python

Linear Programming in Python with CVXOPT

cvxopt.org

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持云海天教程。

總結(jié)

以上是生活随笔為你收集整理的python求解二次规划_Python二次规划和线性规划使用实例的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。