Python 用scipy优化非线性优化求解线性规划？

我需要用python解决一个线性规划问题，并且只有numpy stack中的库，其中基本上包括scipy.optimize，因为据我所知，线性规划是一个约束优化问题，使用scipy.optimize中的SLSQP是合理的还是会导致非常低效的解决方案？

您的LP有多大？它真的是线性的，不是整数变量吗？如果它是一个很小的LP，并且你有很好的理由不使用GLPK、CBC或商业解算器，你可能会侥幸逃脱。感谢你的回答，是的，这是一个标准LP问题。这是一个修剪问题。你有两个向量v1、v2和一个参数向量“x”。现在，找到点“x”，使点积x.v1-x.v2的差值最小。对于所有i，约束为sumx=1和x[i]>=0。决策向量有多大？