Optimization scipy linprog次优解

尝试测试一个非常简单的优化问题，但无法看到scipy.optimize.linprog的结果

输入向量=-np.数组（[-1.，-1.，-1,1,1,1,1,0,0]）

A_upper=np.数组（[np.one（len（input_向量）），-np.one（len（input_向量）））

b_upper=np.数组（[.1,0.1]）

opt_res=sp.optimize.linprog（c=input_vector，A_ub=A_upper，b_ub=b_upper）

答复:

选择权

状态：0

松弛：数组（[0,0.2]）

成功：真的

 fun: -0.10000000000000001

   x: array([ 0. ,  0. ,  0. ,  0.1,  0. ,  0. ,  0. ,  0. ,  0. ,  0. ])

消息：“优化已成功终止。” nit:1

当然，[0.333,0.333,0.333，-0.25，-0.25，-0.25，-0.25]是一个更好的解决方案，它符合约束条件。是的，我知道，这只是冰山一角…建议的解决方案可以乘以一个正标量

我错过了什么？非常感谢

---

Sam

linprog

是正确的。由于没有提供任何边界，

linprog

将假定所有变量都是非负的。请参阅（参数

边界

）。如果要允许负值，则需要显式指定

这种默认行为对于LP解算器来说并不罕见