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

cvxopt.org

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python博客。