线性规划基础：从标准形式到Python求解
线性规划，说白了就是在一堆约束条件下，找到最优的那个解。我刚开始接触这个领域时，总觉得它离实际业务很远。直到有一次做供应链成本优化，才发现线性规划简直就是成本控制的利器。
今天咱们就聊聊线性规划的四个核心内容：标准形式、图解法、单纯形法原理，以及怎么用Python快速求解。
一、线性规划的标准形式
先说说标准形式。你可能会问：为什么非要搞个标准形式？
嗯，这就像写代码要有规范一样。标准形式让所有问题都能用统一的算法去解。我个人习惯把标准形式记成三要素：
- 目标函数：最小化某个线性表达式，比如 min c₁x₁ + c₂x₂ + ... + cₙxₙ
- 约束条件：全部是等式，且右端项非负，比如 Ax = b, b ≥ 0
- 变量约束：所有变量非负，即 x ≥ 0
举个例子：
原始问题：max z = 3x₁ + 2x₂，约束为 x₁ + x₂ ≤ 4，x₁ ≥ 0, x₂ ≥ 0
标准形式：min -z = -3x₁ - 2x₂，引入松弛变量 x₃，得 x₁ + x₂ + x₃ = 4，所有变量 ≥ 0
我在项目中遇到过很多次，大家容易忽略的就是「不等式转等式」这一步。其实加个松弛变量或剩余变量就行，很简单。
二、图解法：直观理解线性规划
图解法只适用于两个变量的问题。但它能帮你建立直观的几何感觉。
怎么操作？三步走：
- 画出所有约束条件对应的直线
- 找到可行域（所有约束的交集）
- 移动目标函数等值线，找到最优解
你想想看，可行域其实就是一个凸多边形。最优解一定在顶点上。这个结论很重要，单纯形法就是基于这个原理。
我的经验：图解法虽然简单，但千万别小看它。有一次我在做产能分配方案时，先用图解法画了个草图，立刻发现约束条件写错了——可行域竟然是空的。要是直接上代码，debug得花半天。
三、单纯形法原理
单纯形法，说白了就是「沿着顶点走，直到找到最优」。为什么只走顶点？因为最优解一定在顶点上，这是线性规划的核心定理。
算法流程大致是：
- 从一个初始可行解（顶点）出发
- 检查当前解是否最优（检验数是否都 ≥ 0）
- 如果不是，沿着目标函数下降最快的方向，移动到相邻顶点
- 重复直到找到最优解
避坑指南：我曾经在实现单纯形法时，遇到退化问题——迭代了好几步，目标函数值一点没变。后来发现是出现了循环。解决办法很简单，用 Bland 规则选入基变量就行。
单纯形法的计算过程，我习惯用表格形式来记录。下面是一个简单的例子：
| 基变量 | x₁ | x₂ | x₃ | x₄ | RHS |
|---|---|---|---|---|---|
| x₃ | 1 | 2 | 1 | 0 | 8 |
| x₄ | 3 | 1 | 0 | 1 | 12 |
| 检验数 | -3 | -2 | 0 | 0 | 0 |
检验数为负，说明还没到最优。选最负的列（x₁）入基，用最小比值法则确定出基变量。迭代下去，直到所有检验数 ≥ 0。
四、用Python求解：scipy.optimize.linprog
实际工作中，我们很少手算单纯形法。Python 的 scipy.optimize.linprog 函数封装得很好，几行代码就能搞定。
先看一个例子：
from scipy.optimize import linprog
# 目标函数系数（注意：linprog默认求最小值）
c = [-3, -2] # 原问题是 max 3x1+2x2，所以取负
# 不等式约束 A_ub * x <= b_ub
A_ub = [[1, 1]]
b_ub = [4]
# 变量边界
bounds = [(0, None), (0, None)]
# 求解
res = linprog(c, A_ub=A_ub, b_ub=b_ub, bounds=bounds, method='highs')
print('最优解:', res.x)
print('最优值:', -res.fun) # 记得取负输出结果：
最优解: [4. 0.]
最优值: 12.0嗯，这里要注意几个细节：
- linprog 默认求最小值，如果原问题是最大化，记得把系数取负
- 约束默认是 ≤，如果是 ≥ 需要两边取负
- method='highs' 是推荐的内点法，比默认的单纯形法快很多
我的习惯：每次用 linprog 之前，我都会先画个约束条件的草图。不是为了精确求解，而是确认可行域非空、问题有界。这步花不了1分钟，但能避免很多低级错误。
下面我用 SVG 画一张本章的知识体系图，帮你理清思路：
这张图把四个知识点串起来了。标准形式是基础，图解法帮你理解几何意义，单纯形法是核心算法，Python 求解是落地工具。四者缺一不可。
最后说一句：线性规划看起来理论性很强，但实际应用非常广泛。从生产排程到物流配送，从投资组合到资源分配，处处都有它的影子。掌握了今天的内容，你就拿到了成本控制的一把钥匙。