这篇文章主要介绍了Python二次规划和线性规划使用实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
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],))
参考：
Quadratic Programming in Python
Linear Programming in Python with CVXOPT
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
