python中3个约束条件下6维问题的最小化

我们遇到了一个问题，要求学生的食物成本最小化。她必须摄入卡路里（2000千卡）、蛋白质（55克）和钙（800毫克）。总共有六种食物。我们必须用Python CVXPY包来解决这个问题。 这是我的代码，但它返回了

ValueError:cannotbroadcasteddimensions（3，）（3，1）

error。 这是我的矩阵的代码

A=np.array([[110,205,160,160,420,260],[4,32,13,8,4,14],[2,12,54,285,22,80]) 
//Note:A is the matrix with the contents of all the foods//
b=np.array([[2000,55,800]])
//Note: b represents the desired value for calories, protein and calcium.//
c=np.array([[3,24,13,9,20,19]])
//Note c represents the price of the 6 types of food. //

在要求每种食物的最大食用量时，增加了一个额外的标准。我的代码是这样的：

d= np.array([[4,3,2,8,2,2]])
x_vec = cp.Variable(6)
//where d represented the max serving constraints on each of the six types of foods.//

最后，我必须编写最小化和解决问题的代码，因为某些原因，这似乎不起作用

matrix_prob = cp.Problem(cp.Minimize(cp.sum(c.T @ x_vec)),
                        constraints=[A@x_vec <= b, x_vec <= d])
//Note:here I minize the sum of matrix c while considering the constraints of b and d.//
matrix_solution = matrix_prob.solve()
print('Optimal value (matrix form):    {:.4f}'.format(matrix_solution))

matrix_prob=cp.Problem（cp.Minimize（cp.sum（c.T@x_vec）），
约束条件=[A@x_vec错误：

ValueError: Cannot broadcast dimensions  (3,) (3, 1)

自言自语：您正在尝试执行涉及一维和二维对象的操作。由于二维对象在其第二维中的长度为1，这表明删除该维将解决您的问题

因此，尝试制作
b
、
c
和
d
一维数组，例如：

d = np.array([4,3,2,8,2,2])

另外：Python使用
#
作为注释。我不知道为什么使用
/
，但是不要使用。
只需将
b
定义为
1d数组
，就像
b=np.array（[2000,55800]）
那样，这将导致形状
（3，）
。然后
A@x_vec