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
Pycharm的6款经典插件介绍
PyCharm是一款功能强大的Python集成开发环境(IDE),它提供了代码分析、图形化调试、测试运行。
python自带的os库基础使用
在操作系统中,os是一个非常重要的概念。Python的os模块提供了一种方法,可以让我们在Python中使用。
Python处理日期时间常用的10个操作
在处理数据时,我们经常需要处理时间数据。Python提供了丰富的库和函数来处理时间数据,本文将介绍一些常用的方法,并提供相应的代码示例供大家学习。
使用Tkinter制作用户界面流程及案例介绍
Tkinter是Python的标准图形用户界面(GUI)库,它提供了一套丰富的组件和工具,用于创建桌面应用程序。
文心一言深度试用
文心一言是国产里现阶段比较热门的国产ai产品,今天多次使用,测试其基本的写作功能、作图功能、代码解读能力。
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