我正在使用 scipy.optimize.linprog 庫使用單純形方法計算最小化。我有兩種情況出現錯誤：“ValueError：單純形方法的第 1 階段未能找到可行的解決方案。偽目標函數的計算結果為 3.1e-12，這超出了解決方案所需的 1e-12 容差，被認為“足夠接近”為零一個基本的解決方案?？紤]將容差增加到大于 3.1e-12。如果這個容差大到無法接受，問題可能不可行?！薄Ｒ苍S有人會找到問題所在。Minimaze:     45x1 + 54x2 + 42x3 + 36x4Subject to:   x1 + x2 + x3 + x4 = 1600              30x1 + 60x2 + 70x3 + 80x4 = 100000              30x1 + 40x2 + 0x3 + 20x4 = 30000我寫的代碼：A = np.array([[-30, -60, -70, -80], [-30, -40, 0, -20], [-1, -1, -1, -1]])b = np.array([-100000, -30000, -1600])c = np.array([45, 54, 42, 36])res = linprog(c, A_eq=A, b_eq=b, bounds=(0, None))下面是第二個例子：Minimize:     100x1 + 50x2 + 100x3Subject to:   x1 + x2 + x3 = 3000              28x1 + 14x2 + 10x3 <= 42000              10x1 + 12x2 + 6x3 <= 24000              30x1 + 20x2 + 30x3 >= 75000              10x1 + 10x2 + 15x3 >= 36000這是代碼：A_ub = np.array([[28, 14, 10], [10, 12, 6], [-30, -20, -30], [-10, -10, -15]])b_ub = np.array([42000, 24000, -75000, -36000])A_eq = np.array([[1, 1, 1]])b_eq = np.array([3000])c = np.array([100, 50, 200])res = linprog(c, A_ub, b_ub, A_eq, b_eq, bounds=(0, None))print('Optimal value:', res.fun, '\nX:', res.x)