如何用Python求线性方程正整数解？含工具使用疑问

1. python-constraint中变量定义域的设置方式 #

既可以用problem.addVariables()分别设置不同变量的定义域，也可以用problem.addVariable()逐个添加，两种方式都可行：

• 使用addVariables()时，传入字典即可实现变量的差异化定义域设置：

from constraint import *
problem = Problem()
# 单独设置a的范围是0-6，b的范围是0-3
problem.addVariables({'a': range(7), 'b': range(4)})
problem.addConstraint(lambda a, b: 5 == 2*b + a, ('a', 'b'))
solutions = problem.getSolutions()
print(solutions)

• 也可以用addVariable()逐个添加变量，效果完全一致：

from constraint import *
problem = Problem()
problem.addVariable('a', range(7))
problem.addVariable('b', range(4))
problem.addConstraint(lambda a, b: 5 == 2*b + a, ('a', 'b'))
solutions = problem.getSolutions()
print(solutions)

根据个人习惯选择即可，两种方式都能精准控制每个变量的取值范围。

2. 其他Python工具实现方式 #

SymPy实现及解的提取 #

SymPy的solve()返回的是参数化通解（线性不定方程本身有无穷多解），要得到指定范围的正整数/非负整数解，需要手动遍历参数并筛选：

方法1：直接遍历参数范围

import sympy
a, b = sympy.symbols('a b', integer=True, nonnegative=True)  # 约束为非负整数
solutions = []
# 根据方程a=5-2b，b的可能取值范围是0≤b≤2（保证a≥0）
for b_val in range(0, 3):
    a_val = 5 - 2 * b_val
    if a_val >= 0:  # 若要求正整数，改为a_val > 0
        solutions.append({'a': a_val, 'b': b_val})
print(solutions)

输出：

[{'a': 5, 'b': 0}, {'a': 3, 'b': 1}, {'a': 1, 'b': 2}]

方法2：使用SymPy丢番图方程模块

SymPy的diophantine模块专门处理整数方程，返回参数化解后再筛选符合条件的结果：

from sympy import diophantine, symbols
a, b = symbols('a b', integer=True)
# 获取参数化通解
general_sol = diophantine(a + 2*b - 5)
solutions = []
# 遍历参数t，保证a、b为非负整数
for t in range(0, 3):
    a_expr, b_expr = next(iter(general_sol))
    a_val = a_expr.subs('t', t)
    b_val = b_expr.subs('t', t)
    if a_val >= 0 and b_val >= 0:
        solutions.append({'a': a_val, 'b': b_val})
print(solutions)

PuLP实现 #

PuLP是线性规划工具，默认只返回一个可行解，要获取所有解需要循环添加排除约束：

from pulp import LpProblem, LpVariable, LpStatus, value

# 创建问题，指定最小化目标（仅为满足框架要求，实际不需要优化）
prob = LpProblem("FindIntegerSolutions", LpMinimize)
# 定义非负整数变量（lowBound=1则约束为正整数）
a = LpVariable("a", lowBound=0, cat='Integer')
b = LpVariable("b", lowBound=0, cat='Integer')
# 添加方程约束
prob += a + 2*b == 5
# 空目标函数
prob += 0

solutions = []
# 循环求解直到无可行解
while LpStatus[prob.status] == 'Optimal':
    a_val = int(value(a))
    b_val = int(value(b))
    solutions.append({'a': a_val, 'b': b_val})
    # 添加约束排除当前解，避免重复
    prob += (a != a_val) | (b != b_val)
    prob.solve()

print(solutions)

内容的提问来源于stack exchange，提问作者The August