Python Scipy最大化线性规划不'；行不通

我有以下资料：

ball = scipy.optimize.linprog(array([0,0,1]), A, b)

在哪里

A = 
array([[-1.0,  0.0,  1.0],
   [ 1.0,  0.0,  1.0],
   [ 0.0, -1.0,  1.0],
   [ 0.0,  1.0,  1.0]], dtype=float128)

b = array([ 0.0,  1.0,  0.0,  1.0], dtype=float128)

我们可以手动最大化这个值，得到答案

x=[0.5,0.5,0.5]

。但是scipy给了我

  status: 0
   slack: array([ 0.,  1.,  0.,  1.])
 success: True
     fun: -0.0
       x: array([ 0.,  0.,  0.])
 message: 'Optimization terminated successfully.'
     nit: 0

这完全是错误的答案！是我的代码错了，还是我发现了一个bug

编辑： 要验证scipy给出的解决方案不是最优的，请执行以下操作

np.all(np.dot(A, np.array([0.5,0.5,0.5])) <= b)

看到它至少是一个更好的解决方案。事实上，这是最佳解决方案

编辑2：

---

scipy.\uu版本=0.16.0

根据文档，找到最小值，而您提出的解决方案是最大值。

如果我尝试运行它，我会得到一个错误：

使用方法='simplex'的linprog输入无效。ub中的列数必须等于c的大小

。Py3.4，scipy 0.15.1对不起，忘记了一个

-1

。现在可以了。以上是我更复杂的代码中的一个MWE，因此出现了错误。根据文档，

linprog

找到了最小值，而在问题的最后一部分，你承认你的解决方案导致了更大的值。噢，我太傻了！！！RTFM的经典案例。当我在计算我正在最大化的数学时，没有费心去检查scipy做了什么。很抱歉发布一个答案，我会接受。当然，用它的负数替换第一个参数，最小化变成最大化，匹配OP的答案。

np.dot(np.array([0,0,1]), np.array([0.5,0.5,0.5])) > np.dot(np.array([0,0,1]), np.array([0,0,0]))