Scipy

规划和寻根

官方文档

Optimization and root finding (scipy.optimize) — SciPy v1.10.0 Manual

求解线性规划问题

如果无法求解

使用内点法代替（众所周知，单纯形解算器是相当不可靠的，不是因为单纯形法，而是因为实现不好）。当然，这个模型可以在预解决方案中完全解决：没有什么可以优化的。在
sol = linprog(c = c, A_eq = A_eq, b_eq = b_eq, bounds = (0, None), method='interior-point')
**

最快速的求解 methord

LINPROG_METHODS = ['simplex', 'revised simplex', 'interior-point', 'highs', 'highs-ds', 'highs-ipm']
选取后三个效果较好。

给非规划变量施加约束条件

当有些已知变量作为数据输入模型的时候，想校验这样的输入是否合法，此时可以添加一个约束条件，让所有规划变量 x 的系数向量 A 为[0,0,0]，之后在右侧添加已知变量（非规划变量）允许的最大值减去变量的值，显然如果 0<一个负数，约束条件无法通过，会返回无解，我们的目的就达到了。
例如 a_i 作为输入，我们要求 a_i 的和小于 M，此时让一个约束条件为：0x_1+0x_2+0x_3<=M-sum(a_i)，就实现了需求