扫码阅读
手机扫码阅读
一款小型求解器使用介绍

我们非常重视原创文章,为尊重知识产权并避免潜在的版权问题,我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容,访问作者的公众号页面获取完整文章。


Python学习杂记
扫码关注公众号
本文介绍了一款基于Scipy和Numpy开发的小型求解器:excel_solver。该求解器通过模拟Excel求解器的用户界面(UI),提供了对Scipy函数scipy.optimize.linprog()的简化封装,使得使用起来更加方便。
安装
excel_solver的安装过程简单,与安装其他Python包相同,通过pip命令即可完成:
pip install excel-solver==0.0.0
安装后即可直接使用。
基础使用
文章通过两个案例展示了excel_solver的基础使用方法:
案例1
案例1展示了如何使用excel_solver来解决一个最小化问题的线性规划。代码示例如下:
import excel_solver as solver solver.solve( problem_type = "min", objective_function = [4, 5, 3, 7, 6], constraints_left = [ [10, 20, 10, 30, 20], [5, 7, 4, 9, 2], [1, 4, 10, 2, 1], [500, 450, 160, 300, 500], ], constraints_right = [16, 10, 15, 600], constraints_signs = [">=", ">=", ">=", ">="], minimum_for_all=0.1, )
案例2
案例2则展示了如何解决一个最大化问题的线性规划。示例代码展示如下:
import excel_solver as solver solver.solve( problem_type = "max", objective_function = [16, 20.5, 14], constraints_left = [ [4, 6, 2], [3, 8, 6], [9, 6, 4], [30, 40, 25], ], constraints_right = [2000, 2000, 1440, 9600], constraints_signs = [">", ">", ">", ">"], ... )
在这两个案例中,我们可以看到excel_solver可以轻松的设置问题类型(最大化或最小化)、目标函数、约束条件以及相关参数,从而求解线性规划问题。
想要了解更多内容?


Python学习杂记
扫码关注公众号
Python学习杂记的其他文章
openpyxl使用介绍
openpyxl是一个用于读写Excel文件的Python库,它提供了许多方便的方法来处理Excel。
Python常用内置函数介绍(二)
(接上期)Python自带了许多内置函数,非常方便对数据变量进行处理,本文介绍一些常用的内置函数。
抖音旗下免费AI工具豆包使用介绍
最近发现了一款国产的AI创作工具:豆包。有网页版和手机版,免费、好用。本文介绍给大家。
一文了解8个Python库线性规划问题建模
Python有多个开源的运筹优化库,本文介绍使用多种求解器来求解线性规划问题。
通义灵码,让编程变得更加高效
通义灵码是阿里云出品的一款基于通义大模型的智能编码辅助工具,该产品于2023年10月31日在云栖大会上正式对外发布。
加入社区微信群
与行业大咖零距离交流学习


PMO实践白皮书
白皮书上线
白皮书上线