项目来源于网络
业务背景：
帮助营销部门制定推广预算分配方案。本月共有1000万元推广预算，营销人员需将其分配到各个渠道和品类。
给出各渠道品类过去的ROI数据，如何确认分配比例，可以使这1000万元预算的推广效果达到最大化。
已知情况：
1.主要渠道有4个，分别是某电商网站，某音，某度和线下。
2.要求 电商网站投入预算不能少于100万元，该渠道过去的投入产出比(ROI)是1.5；某音预算不能多于300万元，ROI=2；某度预算不能少于200万，ROI=0.7；线下预算不能少于100万，ROI=0.1。
3.商品共有5个品类，分别是服装，家电，百货，美妆和餐饮。
4.服装类投入预算不能少于100万元，ROI=1.2；家电类不能多于300万元，ROI=2；百货类不能少于100万元，ROI=1.4,；美妆类不能多于350万元，ROI=1.5,；餐饮类不能少于50万元，ROI=0.8。
分析思路
这是一个线性规划问题，其实就是一组一次方程求最优解，指标也很简单，就是推广效益，假设为 z ，则 z = 投入预算ROI
只是涉及到的变量比较多显得式子很乱很麻烦，最终的方案应该是取得不同品类不同渠道的最优解
1.先简单看下渠道和品类的分配最优解
假设x_i为渠道方面投入，y_i为品类。
整理后得到如下方程：
- 品类渠道的最优解，即明确各品类在各渠道的投放预算，那么假设abcde为品类代号，1234为渠道代号，
则a1即为服装类在电商网站的广告投入预算，效益 z = 1.2a11.5 = 1.8a1，b2为家电类在某音的广告投入预算，效益 z = 2b2*2 =4b2
整理后得到如下方程：
代码、计算
使用scipy库的linprog()函数，linprog函数一般用来求解线性规划问题，寻找目标函数的最小值，而现在要求的是最大值，只要加上负号即可。
函数需要的几个参数解释
linprog(c,A_ub=None,b_ub=None,A_eq=None,b_eq=None,bounds=None,method='interior-point',callback=None,options=None)
c是线性目标函数系数，我们的目标函数是z=roi*投入预算，则c即roi，写作列表[-1.5,-2,-0.7,-001]
A_ub，官方解释叫不等式约束矩阵，在Aub的每一行指定x(这个x是指方程未知数的意思)上的线性不等式约束的系数，如果我们方程是x_1+x_2+x_3+x_4<1000，就是里面x_i的系数，即为[1,1,1,1]，数据类型是二维数组
b_ub，官方解释叫不等式约束向量，每个元素代表A_ub x的上限，就是x_1+x_2+x_3+x_4<1000里的1000，数据类型是一维数组
A_eq和b_eq同上解释，叫等式约束xx，都是可选参数，根据实际情况决定，依据我们这里的需要，只写A_eq和b_eq就行了
bounds，官方解释叫定义决策变量x的最小值和最大值，就是范围约束，即x_1≥100，x_2≤300，x_3≥200，x_4≥100，写作x_1=(100,1000)
method，官方解释是算法，提供{‘interior-point’, ‘revised simplex’, ‘simplex’}三种算法可选，具体不是很理解，反正是可选参数，一般忽略不写
callback，调用回调函数，也不是很理解，不写哈哈哈，还有options(求解器选项字典)也不写
具体代码实现
这里遇到个问题，因为品类渠道的A_eq矩阵是奇异矩阵（20列9行），虽然能出结果但不是最优的，经过各种百度最后找到原因是被函数判断成冗余了，
具体是因为啥我也解释不来，反正得在最后把options这个参数给加上，具体请参考这里~
