的Python linprog最大化目標函數

Question

它已經有一段時間，因爲我已經做到了這一點，所以我有點生疏，但公式是：

max t(C)*x 
s.t. Ax <=b 

我有我的一個矩陣約束條件是（ 1448x1359）：

[[ 1. 1. 0. ..., 0. 0. 0.] 

..., 


[ 0. 0. 0. ..., 1. 1. 1.]] 

然後，我有我的結合b（1448x1）：

[ 1. 1. 7. ..., 2. 1. 2.] 

而我的目標函數被最大化，這是一個向量（1359,1）。

現在，在其他包我的最大目標函數是841，但是使用linprog：

res = linprog(c=OBJ_N, A_ub=A, b_ub=b, options={"disp": True}) 

它成功地優化-0.0所以我不知道如果我使用Python中正確的命令，並有我的約束正確的方式？

編輯：確定這是有道理的，它試圖最小化。我現在已經改寫（交換c和b，並將A轉爲最小）。

# (max t(C)*x s.t. Ax <=b) = min t(b)*x s.t. ATy = c, y ≥ 0 
# (i): minimise number of shops no bounds 
ID = np.ones(len(w[0])) 
print(ID) 
print(ID.shape) #1359 

At = A.transpose() 

need_divest = (A.dot(ID)) - 1 
print(need_divest) 
print(need_divest.shape) #1448 

res = linprog(c=need_divest, A_eq=At, b_eq=ID, options={"disp": True}) 
print(res) 

不過，我得到「消息：‘Optimzation失敗無法找到一個可行的起點。’」

Answer 1

我猜你大概minimizing代替maximizing你的目標函數。 這種嘗試（插入- 在你的目標函數係數的前）：然後

res = linprog(c=-OBJ_N, A_ub=A, b_ub=b, options={"disp": True}) 

你的結果應該是-841。

這工作僅僅是因爲：

min(f(x))=-max(-f(x))