这是一个经典的整数线性规划问题，可以使用编程语言如Python的 pulp库来解决。首先，我们需要定义变量和约束条件，然后求解模型。以下是一个简单的Python代码示例： ```python from pulp import LpProblem, LpMinimize, LpVariable # 定义问题 problem = LpProblem("Chicken Problem", LpMinimize) # 定义变量（x1为公鸡数量，x2为母鸡数量，x3为小鸡数量） x1 = LpVariable("x1", 0, 100, cat='Integer') # 公鸡数量 x2 = LpVariable("x2", 0, 100, cat='Integer') # 母鸡数量 x3 = LpVariable("x3", 0, (100 - x1 - x2) // 3, cat='Integer') # 小鸡数量，确保总数不超过100 # 目标函数：最小化成本 objective = 5*x1 + 3*x2 + x3 problem += objective # 约束条件：总数量为100 problem += x1 + x2 + x3 == 100 # 求解 status = problem.solve() # 输出组合数（即解的数量） if status == LpStatusOptimal: print("最优解：") print(f"公鸡 {x1.value()} 只，母鸡 {x2.value()} 只，小鸡 {x3.value()} 只") print("组合数：", len([x1.value(), x2.value(), x3.value()])) else: print("无解或未找到最优解") ``` 注意：这个代码会尝试找到所有可能的整数解，但可能会有多个解。如果需要找到所有解，这将是一个复杂的任务，可能需要使用其他方法，如回溯法。由于可能的解空间很大，直接计算所有解可能会非常耗时。 [2024-05-09 11:16:42 | AI写代码神器 | 439点数解答]