我找到了如何求解线性方程组，但我想做的是：
我有 2 个变量，X, Y ∈ [0.0, 1.0]，我想做的是：
求解这个线性方程组以最大化value，假设x * -1 + y * 1 等于或大于0.**m * **考虑到第二个等式（我想要最大化价值的那个）更重要*
x * -1 + y * 1 >= 0
x * 10 + y * 20 = value
x + y = 1 (constraint)
我唯一的想法是进行网格搜索，但也许我需要一些时间（这很愚蠢）来增加 X 和 Y，例如：
for x in range (0, 1, 0.01):
for y in range (0, 1, 0.01):
你有更好的建议吗？ 我无法使用库或工具 理想的可能是使用scipy
【问题讨论】：
标签： python
这类问题属于所谓的“线性规划”。对于像您这样的简单系统，您通常可以通过手动分析和一张纸找到解决方案。但是，如果您有许多变量和许多约束，这将变得非常困难。由于求解线性规划非常有用，因此已经实现了许多简化任务的“求解器”。
您只需说明变量，即您允许它们采用的范围。然后是必须观察的约束，最后是您希望最小化或最大化的目标函数。
然后“点击”解决，瞧。即使对于大型实例，它通常也非常非常快。
（这是一个完整的领域，所以这只是一个简单的介绍）
>这是一个使用库 ortools（来自 Google 的 OR-Tools）解决问题的示例：
import ortools
from ortools.linear_solver import pywraplp
solver = pywraplp.Solver('LinearProgrammingExample',
pywraplp.Solver.GLOP_LINEAR_PROGRAMMING)
x = solver.NumVar(0, 1, 'x')
y = solver.NumVar(0, 1, 'y')
constraint1 = solver.Constraint(0, solver.infinity())
constraint1.SetCoefficient(x, -1)
constraint1.SetCoefficient(y, 1)
# if you want to add another constraint like x+y = 1
# constraint2 = solver.Constraint(1, 1)
# constraint2.SetCoefficient(x, 1)
# constraint2.SetCoefficient(y, 1)
#
objective = solver.Objective()
objective.SetCoefficient(x, 10)
objective.SetCoefficient(y, 20)
objective.SetMaximization()
solver.Solve()
opt_solution = 10 * x.solution_value() + 20 * y.solution_value()
print('Solution:')
print('x = ', x.solution_value())
print('y = ', y.solution_value())
# The objective value of the solution.
print('Optimal objective value =', opt_solution)
【讨论】：