R：如何解决以下线性规划问题

Question

我有兴趣解决以下线性规划问题。

在这个玩具示例中，第二个约束告诉我 x1 <= -1，即 x1 必须为负数，因此 x1 的最小值应该为负数。使用 lpSolveAPI，我编写了这个玩具示例。

library(lpSolveAPI)
my.lp <- make.lp(nrow = 2, ncol = 2)
set.column(my.lp, 1, c(1, 2))
set.column(my.lp, 2, c(3, 0))
set.objfn(my.lp, c(1, 0))
set.constr.type(my.lp, rep("<=", 2))
set.rhs(my.lp, c(-4, -2))
set.bounds(my.lp, lower = c(-Inf, -Inf), upper = c(Inf, Inf))
> my.lp
Model name: 
            C1    C2        
Minimize     1     0        
R1           1     3  <=  -4
R2           2     0  <=  -2
Kind       Std   Std        
Type      Real  Real        
Upper      Inf   Inf        
Lower     -Inf  -Inf

然而，在 R 中解决这个线性规划问题给了我

> solve(my.lp)
[1] 3
> get.variables(my.lp)
[1]   3.694738e-57 -2.681562e+154
> get.objective(my.lp)
[1] 1e+30

get.objective(my.lp)returns为x1取1e+30的值，显然不满足第二个约束条件。我特意用了set.bounds，让x1, x2在实线上可以取任意值，但是还是没有取到负数。哪里出了问题？

Answer 1

library(CVXR)

x1 <- Variable(1)
x2 <- Variable(1)

# Problem definition
objective <- Minimize(x1)
constraints <- list(x1 + 3*x2 <= -4, 2*x1 + 0*x2  <= -2)
prob <- Problem(objective, constraints)

# Problem solution
sol <- solve(prob)

sol$value
# [1] -Inf

sol$status
# [1] "unbounded"

R：如何解决以下线性规划问题

R: How to solve the following linear programming problem

optimization

r

linear-programming

lpsolve