不是，这到底错哪儿了😭

Question

哥们在敲数学建模，它明明可以得出结果的，为什么显示错误啊😭，不是哥们这到底哪里错了啊

Answer 1

参考免费微信小程序：皆我百晓生 作答，经由专家-皆知整理回复，如问题解决，望采纳；如仍有疑问，请评论回复。

从你提供的信息来看，你遇到的是一个与scipy.optimize.linprog函数调用相关的错误。错误提示为：“Invalid Input for Linprog: A must have exactly two dimensions, and the number of columns in A must equal the size of c”。这意味着你的输入矩阵A的维度或结构不符合linprog函数的要求。具体来说，错误指出A应该恰好有两维，并且它的列数必须与向量c的长度相匹配。

根据你的代码片段，这里有几个可能的问题点以及如何解决它们：

1. 确保矩阵A的维度正确

错误直接指出了A矩阵的问题，确保A是一个二维数组，并且其列数等于c的长度。你的代码中创建A的部分看起来是这样的：

A.eq = np.zeros((N+1,K**2+N))

确保这个A矩阵的列数与你的目标系数向量c匹配。如果你的c向量是基于某些决策变量的线性组合，那么A的列数必须与这些变量的数量一致。

2. 正确构建约束矩阵和向量

你的约束矩阵A_eq构建部分似乎有误，特别是这一行：

A.eq[N,:M].1

这里.1看起来像是一个笔误，应该是赋值操作的一部分，但具体怎么修正取决于你想要设置的具体约束条件。此外，A.eq[1,1].1和A.eq[1,N+10%:N+(1*1)*8]=..S也存在类似的不明确或错误的语法。你需要根据实际问题的约束条件清晰地定义每一行和列的值。

3. 检查c和边界条件(bounds)的定义

确保你的目标函数系数向量c是根据实际问题正确构造的，并且其长度与A的列数匹配。同时，边界条件的设定也需要仔细检查，确保它们对于每个决策变量都是正确的。你的bounds设定看起来是这样的：

bounds = [(c, None) for c in range(N)]  # 固定费用的边界条件
bounds *= [(-CC, D) for c in range(N**2)]  # 距离的边界条件

这里似乎有一个混淆，bounds列表的构造方式可能不是你想要的。你应该分别定义两个不同的边界列表，然后合并它们，而不是简单地乘法操作。

解决方案示例

为了帮助你更好地理解如何修正代码，我提供一个简化版的修复思路，但请注意，具体的修复还需要基于你的实际模型细节进行调整：

# 假设N和K是你问题中的变量
N = 20
K = 10  # 假设K的值
M = ...  # 这里需要根据实际情况定义M的值

# 构建目标函数系数向量c，确保长度与A的列数匹配
c = ...  # 根据实际问题定义

# 正确构建约束矩阵A
A_eq = np.zeros((N+1, K**2+N))
for i in range(N):
    # 假设这里是在设置特定的约束条件，你需要根据实际情况填写
    # 注意：下面的示例仅示意性地设置了一些位置为1，实际应根据约束条件来
    A_eq[i, i] = 1  # 示例：对角线元素置1，表示资源分配等式约束

# 构建等式约束右侧的向量b_eq
b_eq = np.array([...])  # 根据实际约束条件填写

# 定义决策变量的边界条件
bounds = [(None, None) if condition else (lower_bound, upper_bound) 
          for condition, lower_bound, upper_bound in zip(
              # 这里根据条件判断每个变量的边界，例如：
              [True]*N + [False]*(K**2+N),  # 示例：前N个变量无界，其余有界
              [-CC]*N + [...],  # 具体的下界
              [D]*N + [...]  # 具体的上界
          )]

# 最后调用linprog，注意参数的正确传递
from scipy.optimize import linprog
res = linprog(c, A_ub=None, b_ub=None, A_eq=A_eq, b_eq=b_eq, bounds=bounds)

print(res)

请根据你的实际问题调整上述模板中的占位符（如...）和逻辑表达，以确保它们符合你的数学模型需求。希望这能帮助你解决问题。