Python 使用scipy.optimize.linprog的线性规划

我刚刚用scipy.optimize.linprog检查了简单的线性规划问题：

1*x[1] + 2x[2] -> max

1*x[1] + 0*x[2] <= 5
0*x[1] + 1*x[2] <= 5
1*x[1] + 0*x[2] >= 1
0*x[1] + 1*x[2] >= 1
1*x[1] + 1*x[2] <= 6

---

有人能解释一下，为什么我得到了这个奇怪的结果吗？

optimize.linprog

总是最小化目标函数。如果您想最大化，可以使用

max（f（x））==-min（-f（x））

这将为您提供预期结果，值为

-f（x）=-11.0

 slack: array([ 0.,  4.,  0.,  4.,  0.])
 message: 'Optimization terminated successfully.'
     nit: 3
       x: array([ 1.,  5.])
  status: 0
 success: True
     fun: -11.0

---

optimize.linprog

始终最小化目标函数。如果您想最大化，可以使用

max（f（x））==-min（-f（x））

这将为您提供预期结果，值为

-f（x）=-11.0

 slack: array([ 0.,  4.,  0.,  4.,  0.])
 message: 'Optimization terminated successfully.'
     nit: 3
       x: array([ 1.,  5.])
  status: 0
 success: True
     fun: -11.0

---

好吧，一旦你意识到

linprog

实际上最小化了：）好吧，一旦你意识到

linprog

实际上最小化了：）就不再那么奇怪了

 slack: array([ 0.,  4.,  0.,  4.,  0.])
 message: 'Optimization terminated successfully.'
     nit: 3
       x: array([ 1.,  5.])
  status: 0
 success: True
     fun: -11.0