即使存在解決方案，scipy.optimize.linprog也找不到解決方案

我正在用Python 2.7.12和Numpy 1.11.0嘗試以下代碼。即使存在解決方案，scipy.optimize.linprog也找不到解決方案

import numpy as np 
from scipy.optimize import linprog 

A = np.matrix([[1,0,0,1], [0, 1, 0 ,1], [0, 1, 1, 0]]) 
c = np.zeros(A.shape[1]) 
res = linprog(c,A_eq = A, b_eq = [0,1,-1], options=dict(bland=True)) 
print (res.x) 
print (A.dot([0, 1, -2, 0]))

的上述輸出是

nan 
[[ 0 1 -1]]

所以scipy.optimize.linprog甚至沒有找到一個解決方案，當一個由A_eq的點乘法的輸出與[0,1存在作爲明顯，-2,0]。

一個類似的問題被問到here，我嘗試了在那裏建議的解決方案（即添加options = dict（bland = True）或更新容差值）。我仍然得到與上面一樣的錯誤輸出。這種行爲的原因是什麼？謝謝。

來源

2017-07-31 Hummels420

[scipy.optimize.linprog儘管存在可行的答案仍然無法找到可行的起點]（https：// stackoverflow.com/questions/29941958/scipy-optimize-linprog-unable-to-find-a-feasible-starting-point-despite-a-feasib） –

嗨，喬納斯，感謝您的評論。雖然我已經看過這個問題，並嘗試了在那裏建議的解決方案（即添加options = dict（bland = True）或更新容差值）。我仍然得到與問題中發佈的錯誤輸出相同的結果。 – Hummels420

我的OP和解決方案被明確添加的範圍如下：

res = linprog(c, A_eq = A, b_eq = [0,1,-1], bounds=(None, None))

我是在默認情況下，linprog假定在解決方案，但實際上默認的邊界是沒有界限（的印象0，無），即非負值。

這在docs中提到：

界限：序列，可選

（最小，最大）對在X的每個元素，限定於該參數的界限。如果在該方向沒有界限，則使用「無」作爲最小或最大值中的一個。默認情況下，邊界是（0，無）（非負）...

來源

2017-07-31 13:31:45 Hummels420

即使存在解決方案，scipy.optimize.linprog也找不到解決方案

回答

相關問題