python - Scipy 最大化线性规划不起作用

Question

已关闭。这个问题是 not reproducible or was caused by typos 。目前不接受答案。

---

这个问题是由拼写错误或无法再重现的问题引起的。虽然类似的问题可能是 on-topic在这里，这个问题的解决方式不太可能帮助 future 的读者。

已关闭 3 年前。

Improve this question

我有以下内容:

ball = scipy.optimize.linprog(array([0,0,1]), A, b)

哪里

A = 
array([[-1.0,  0.0,  1.0],
   [ 1.0,  0.0,  1.0],
   [ 0.0, -1.0,  1.0],
   [ 0.0,  1.0,  1.0]], dtype=float128)

b = array([ 0.0,  1.0,  0.0,  1.0], dtype=float128)

我们可以手动最大化它以获得答案 x = [0.5, 0.5, 0.5] 。然而 scipy 给了我

  status: 0
   slack: array([ 0.,  1.,  0.,  1.])
 success: True
     fun: -0.0
       x: array([ 0.,  0.,  0.])
 message: 'Optimization terminated successfully.'
     nit: 0

这根本就是错误的答案!是我的代码错误，还是我发现了错误？

编辑:要验证 scipy 给出的解决方案不是最优的，请执行

np.all(np.dot(A, np.array([0.5,0.5,0.5])) <= b)

查看我的解决方案是否满足约束条件。然后注意

np.dot(np.array([0,0,1]), np.array([0.5,0.5,0.5])) > np.dot(np.array([0,0,1]), np.array([0,0,0]))

看看它至少是一个更好的解决方案。事实上，这是最优解。

编辑2: scipy.__version__ = 0.16.0

Answer 1

根据文档，linprog找到最小值，而您提出的解决方案是最大值。