为了优化这个问题，我进一步想到的了，每一列的元素之间是有联系的：列元素相加就等于对应工地的需求量。也就是说，为某一列的一个元素赋值，那么这一列的另外一个元素的值也就出来了，等于 需求量 - 随机赋的值。这里还是用两个numpy数组存储了工地和料场的信息，第一行和第二行是工地和料场的坐标，gondi的第三行，是各个工地的水泥需求量。通过上面的分析，我们知道了，A和B的供货量，就是我们要求的自变量。这

我们后面的做题思路，也是和上面的思路一样。先看题，看题目要问我们什么。然后就是找论文，看看别人有没有解决过类似的问题，然后把别人的方法和模型化用到我们问题中。运气好或者你聪明的话，可以一个基础模型从头用到尾。如果遇到基础模型解决不了的问题，那我们就要回到上一步，从新找论文，针对这个我们解决不了的问题，建立一个新模型。要注意的是，这个新建立的模型，要和我们原先建立的模型要有联系的。思路敲定后，就是写

这个算法是具有通用性的，只要把目标函数和约束条件改一下，就可以计算类似这样的非线性规划问题，当然也可以解决线性规划问题。