from scipy import optimize as op
import numpy as np

scipy.optimize.linprog(c, A_ub=None, b_ub=None, A_eq=None, b_eq=None, bounds=None, method=‘simplex’, callback=None, options=None)

很容易发现，c指的应该是要求最大值的函数的系数数组，A_ub是应该是不等式未知量的系数矩阵，仔细观察的人应该发现，为什么第一行里面写的是[-2,5,-1]而不是[2,5,-1]呢，应该要与图里对应才对啊，原来这不等式指的是<=的不等式，那如果是>=呢，乘个负号就行了。A_eq就是其中等式的未知量系数矩阵了。B_ub就是不等式的右边了，B_eq就是等式右边了。bounds的话，指的就是每个未知量的范围了

#目标函数，求最大值
c=np.array([2,3,-5])

#unbalence不等式，默认<=，>=乘-1
#不等式左系数矩阵
A_ub=np.array([[-2,5,-1],[1,3,1]])
#不等式右系数矩阵
B_ub=np.array([-10,12])
#equation等式，A_eq为左系数矩阵，B_eq为右系数矩阵
A_eq=np.array([[1,1,1]])#注意双括号
B_eq=np.array([7])
#x1,x2,x3大于等于0
x1=(0,None)
x2=(0,None)
x3=(0,None)
#函数默认求最小值，-c，结果为负号
res=op.linprog(-c,A_ub,B_ub,A_eq,B_eq,bounds=(x1,x2,x3))
print(res)

     con: array([1.80713489e-09])
     fun: -14.571428565645059
 message: 'Optimization terminated successfully.'
     nit: 5
   slack: array([-2.24614993e-10,  3.85714286e+00])
  status: 0
 success: True
       x: array([6.42857143e+00, 5.71428571e-01, 2.35900788e-10])

x = [6.42857143e+00, 5.71428571e-01, 2.35900788e-10]
print(2*x[0] + 3*x[1] -5*x[2])

14.571428571820496