当问题在 Python 的纸浆库中解决后状态为 -1 时，这意味着什么？

Question

解决我的线性规划问题后，我的状态代码一直为 -1。

status = problem.solve()
# status == -1

根据我的研究，-1 不是一个应该可能的状态代码。将 constraints/variables 添加到问题中时没有错误。我知道这个问题是可以解决的，因为我已经在其他地方解决了它（代码是垃圾所以我正在重写它）。我试过重新安装纸浆，但没有用，而且我不知道如何开始解决这个问题。为什么我会得到这个状态？

Answer 1

您可以通过查看与值关联的相应状态来获得更详细的信息。你的情况：

>>> pulp.LpStatus[-1]
'Infeasible'

总的来说，可能性是：

>>> pulp.LpStatus
{0: 'Not Solved', 1: 'Optimal', -1: 'Infeasible', -2: 'Unbounded', -3: 'Undefined'}