说明
1、图解法，用几何绘图法，找出最优解。
这种方法在经济学研究中很常用。
2、引入松弛变量的矩阵法。
简单性法前的典型方法是将线性规划问题转化为扩展矩阵形式，然后逐步解决；
3、简单的方法，利用多面体在可行领域逐步构建新的顶点，不断接近最优解。
它是线性规划研究的里程碑，仍然是最重要的方法之一；
4、内点法。
是目前理论上最好的线性规划问题解决方案，通过选择可行域内点沿下降方向不断迭代，达到最佳解决方案；
5、启发法。
依靠不断迭代和改进的经验标准，搜索最优解，如贪婪法、模拟退火、遗传算法、神经网络等。
单纯法实例
importnumpyasnp#导入相应的库
importsys
defsolve(d,bn):
whilemax(list(d[0][:-1]))>0:
l=list(d[0][:-2])
jnum=l.index(max(l))#转入下标
m=[]
foriinrange(bn):
ifd[i][jnum]==0:
m.append(0.)
else:
m.append(d[i][-1]/d[i][jnum])
inum=m.index(min([xforxinm[1:]ifx!=)#转出下标
s[inum-1]=jnum#更新基变量
d[inum]/=d[inum][jnum]
foriinrange(bn):
ifi!=inum:
d[i]-=d[i][jnum]*d[inum]
defprintSol(d,cn):
foriinrange(cn-1):
ifiins:
print("x"+str(i)+"=%.2f"%d[s.index(i)+1][-1])
else:
print("x"+str(i)+"=0.00")
print("objectiveis%.2f"%(-d[0][-1])以上是python线性规划的解决方案，希望对大家有所帮助。更多Python学习指导：python基础教程
本文教程操作环境：windows7系统Python 3.9.1，DELL G3电脑。