经典的非线性规划算法大多采用梯度下降的方法求解，局部搜索能力较强，但是全局搜索能力比较弱。遗传算法采用选择交叉变异进行搜索，全局搜索能力较强，但是局部搜索能力弱。本代码结合了两种算法的优点，一方面采用遗传算法进行全局搜索，一方面采用非线性规划算法进行局部搜索，已得到全局最优解。

Python求解线性规划问题_两阶段法实现的单纯形法，包括.py和.ipynb两种格式，用Jupyter Notebook打开.ipynb或者用Python软件打开.py都可成功运行，压缩包中包括测试数据，代码可输出唯一解，无穷多解，无界解，无解四种情况。

露天矿采矿生产的车辆安排是一个大规模的优化调度问题。该文就该问题,借助运筹学中的非线性规划理论和方法,从实际情况出发,建立了车辆调度应该遵循的原则,并根据这些原则分别建立了相应的优化模型,最后通过LINGO软件编程计算得出结果,针对实际问题给出了合理的运输安排计划。

在使用深度强化学习算法（Deep Reinforce Learning,DRL）舶能量调度问题中，对智能体调度的结果难以判断，因此需要给出一个基准最优解，使得对智能体的调度结果能做出正确的评价，有助于增强DRL能量调度算法的说服力，同时对DRL能量调度算法的改进具有引导作用。本代码基于python，使用groubi求解器，建立了电力系统能量调度模型，并使用非线性规划算法求出了经济性最低的能量调度方式。本代码适合电力系统初学者学习。

大学运筹学课设，包含线性规划问题和存储问题 下载后可以直接使用

数学建模中会用到的常用MATLAB代码，可以求解线性规划的问题

不等式约束下的线性规划； 线性规划（LP），也称为线性优化，是一种在其要求由线性关系表示的数学模型中实现最佳结果（例如最大利润或最低成本）的方法。线性规划是数学规划（也称为数学优化）的一种特殊情况。更正式地说，线性规划是一种优化线性 目标函数的技术，受线性等式和线性不等式 约束。它的可行域是一个凸多面体，它是一个集合，定义为有限多个半空间的交集，每个半空间都由一个线性不等式定义。它的目标函数是定义在这个多面体上的实值仿射（线性）函数。线性规划算法在多面体中找到一个点如果存在这样的点，则此函数具有最小（或最大值）值。 出于多种原因，线性规划是一个广泛使用的优化领域。运筹学中的许多实际问题可以表示为线性规划问题。线性规划的某些特殊情况，例如网络流问题和多商品流问题，被认为足够重要，可以对专门的算法进行大量研究。许多其他类型的优化问题的算法通过将线性规划问题作为子问题来解决。从历史上看，线性规划的思想启发了优化理论的许多核心概念，例如对偶性、 分解和凸性的重要性及其概括。

用MATLAB优化工具箱解线性规划 命令：x=linprog（c，A，b） 命令：x=linprog（c，A，b，Aeq,beq） min z=cX 1、模型： 2、模型：min z=cX 注意：若没有不等式： 存在，则令A=[ ]，b=[ ].

该库基于C++14标准构建，用于处理大规模线性规划问题（整数或浮点数均可，基于内点法），详细使用说明可参考我发布的博客：https://blog.csdn.net/weixin_46584887/article/details/126462648?spm=1001.2014.3001.5501，文件内包含说明文档，在Linux系统以及Windows系统下均可使用。

用MATLAB优化工具箱解线性规划 命令：x=linprog（c，A，b） 命令：x=linprog（c，A，b，Aeq,beq） min z=cX 1、模型： 2、模型：min z=cX 注意：若没有不等式： 存在，则令A=[ ]，b=[ ].