python - 如何显示 PuLP 中定义的(原始)线性程序的对偶

Question

关于 Stack overflow 的第一个问题...喜欢这个网站...

我在 Python 上使用 PuLP。基于输入变量、目标函数和约束，我试图查看与初始 LP 问题(原始问题)的最优解相关联的对偶变量/值。我在文档中搜索时遇到问题，我只是想弄清楚。有没有办法用 PuLP 做到这一点？下面的示例代码显示了原始输入。

注意:我将我的问题从要求双重结果编辑为要求双重结果(基于反馈)。

注 2:根据反馈进一步编辑以进行澄清。

import pulp
lpProb = pulp.LpProblem("example", pulp.LpMinimize)
x1 = pulp.LpVariable("x1", 0, None, pulp.LpContinuous)
x2 = pulp.LpVariable("x2", 0, None, pulp.LpContinuous)
x3 = pulp.LpVariable("x3", 0, None, pulp.LpContinuous)
lpProb += 3*x1 + 4*x2 + 2*x3
lpProb += x1 + 2*x2 + x3 >= 42
lpProb += 5*x1 + 7*x2 + 4*x3 >= 68
lpProb.solve()
print(pulp.LpStatus[lpProb.status])
for i in lpProb.variables():
    print("Variable {0} = {1}".format(i.name, i.varValue))
print("Objective function z = {0}".format(pulp.value(lpProb.objective)))

Answer 1

@StuartMitchell 在对该问题的评论中提出了以下建议。它打印每个约束的名称、对偶值和松弛度。

for name, c in list(lpProb.constraints.items()):
    print(name, ":", c, "\t", c.pi, "\t\t", c.slack)