二次规划与线性规划怎么在Python项目中使用?针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
对于二次规划(quadratic programming)和线性规划(Linear Programming)问题
MATLAB里是有quadprog函数可以直接用来解决二次规划问题的,linprog函数来解决线性规划问题。Python中也有很多库用来解决,对于二次规划有CVXOPT, CVXPY, Gurobi, MOSEK, qpOASES 和 quadprog; 对于线性规划有Gurobi,PuLP, cvxopt。
目前发现quadprog进行pip install quadprog不成功,而cvxopt成功了,就先说cvxopt的使用。
安装
conda install -c conda-forge cvxopt
安装非常顺利
使用
cvxopt有自己的matrix格式,因此使用前得包装一下
对于二次规划:
def cvxopt_solve_qp(P, q, G=None, h=None, A=None, b=None): P = .5 * (P + P.T) # make sure P is symmetric args = [cvxopt.matrix(P), cvxopt.matrix(q)] if G is not None: args.extend([cvxopt.matrix(G), cvxopt.matrix(h)]) if A is not None: args.extend([cvxopt.matrix(A), cvxopt.matrix(b)]) sol = cvxopt.solvers.qp(*args) if 'optimal' not in sol['status']: return None return np.array(sol['x']).reshape((P.shape[1],))
对于线性规划:
def cvxopt_solve_lp(f, A, b): #args = [cvxopt.matrix(f), cvxopt.matrix(A), cvxopt.matrix(b)] #cvxopt.solvers.lp(*args) sol = cvxopt.solvers.lp(cvxopt.matrix(f), cvxopt.matrix(A), cvxopt.matrix(b)) return np.array(sol['x']).reshape((f.shape[0],))
关于二次规划与线性规划怎么在Python项目中使用问题的解答就分享到这里了,希望以上内容可以对大家有一定的帮助,如果你还有很多疑惑没有解开,可以关注亿速云行业资讯频道了解更多相关知识。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。