线性规划问题：预算内最大化购股数的Python代码异常求助

核心问题分析 #

你的代码存在两个关键错误：

1. 目标函数定义错误：linprog默认执行最小化目标函数，但你的需求是最大化股票总数（X+Y+Z），却错误地将股票价格作为目标系数。这会让算法选择总花费最低的方案——也就是买0只股票，最终得到x全为0的结果。
2. 未输出优化结果：你在linearProblem函数中计算了opt但未打印，导致无法直观查看完整优化信息（虽然后续你贴出了结果，但代码逻辑存在缺失）。

修正后的代码 #

from scipy.optimize import linprog
import yfinance as yf

def linearProblem(price_dict):
    # 目标是最大化X+Y+Z，linprog仅支持最小化，因此取目标函数的负系数
    obj = [-1, -1, -1]
    # 约束条件：X*AMZN价格 + Y*CBOE价格 + Z*CDW价格 <= 10000
    lhs_ineq = [list(price_dict.values())]
    rhs_ineq = [10000]
    # 明确变量非负约束（购买数量不能为负数）
    bounds = [(0, None), (0, None), (0, None)]
    
    opt = linprog(c=obj, A_ub=lhs_ineq, b_ub=rhs_ineq, bounds=bounds, method="revised simplex")
    
    # 打印优化结果
    print("优化详情：")
    print(opt)
    print("\n可购买的最大股票总数：", -opt.fun)
    print("各股票建议购买数量：", opt.x.round(2))

def getPrice():
    symbol_list = ['AMZN', 'CBOE', 'CDW']
    symbol_list_dict = {}
    for symbol in symbol_list:
        ticker = yf.Ticker(symbol).info
        market_price = ticker['regularMarketPrice']
        symbol_list_dict[symbol] = market_price
    return symbol_list_dict

if __name__ == '__main__':
    symbol_price_dict = getPrice()
    print("当前股票价格：", symbol_price_dict)
    linearProblem(symbol_price_dict)

修正说明 #

• 目标函数调整：将目标系数设为[-1, -1, -1]，通过最小化-X-Y-Z等价实现最大化X+Y+Z的需求，匹配你的核心目标。
• 明确变量边界：添加bounds参数确保购买数量为非负整数（linprog默认变量≥0，但显式声明逻辑更清晰）。
• 结果输出优化：补充结果打印逻辑，直接输出总股票数量和各股票购买数（注意对opt.fun取负，因为目标函数是原需求的负值）。

补充提示 #

linprog求解的是连续变量解，但实际购买股票必须是整数。如果需要严格的整数解，需改用支持整数线性规划的工具（如pulp库），scipy的linprog不支持整数约束。

内容的提问来源于stack exchange，提问作者D.Zou