Python scipy.optimize.linprog：如果我们选择与可行集正交的系数，会发生什么？

我用它来解一个线性规划。特别是，我有约束x_1+。。。x_n=1，即我的可行集是n维单纯形的子集。现在，我在问自己，当我选择最小化的系数c为c=（1，…，1）时会发生什么。因此，最小化是不相关的，因为=1总是

在这种情况下，scipy.optimize.linprog会给我什么结果

---

我对它进行了测试，但我无法判断可行集合中的哪个元素是由程序计算的。我猜它是多面体的一个随机顶点，由其他不等式约束产生。有人能证实这一点吗？

我想答案是

实现定义的
。代码保证您得到最佳解决方案，但不是任何特定的解决方案。默认方法是文档中所述的内点算法。内点方法通常甚至不返回顶点，因此它可以是任何最佳点。我尝试了它，得到了
[1/n，…，1/n]
，用于解决
n
变量的问题，但即使在
scipy
版本之间，这也可能有很大差异

如果您选择单纯形类型的算法（添加
method=“revisited simplex”
），您将得到一个基本解，对应于多面体的顶点，在您的例子中对应于单位向量。哪一个又是实现定义的

然而，大多数代码都应该是确定性的，因此对于相同的输入，您应该始终得到相同的解决方案…
“我不知道可行集合中的哪个元素是由程序计算的”您不能只打印最佳解决方案吗？因为任何可行的解决方案都是最优的，所以这就是答案。@ErwinKalvelagen我可以打印出来。但我不知道优化使用了哪个“方向”，也就是说，我不知道结果对应于哪个c（因为它不可能真的是c=（1，…，1），因为最小化是不相关的）。