python 代码主要实现了两个功能：分析参数`η`和`r`不同取值对生产商在产品捆绑和解绑两种策略下的最优利润、价格、需求等方面的影响，并通过绘制图像进行可视化展示

#!/usr/bin/env python
# coding: utf-8

# （1）η不同取值下最优利润的大小关系比较

# In[22]:


import matplotlib.pyplot as plt
import sympy as sp
import math
import numpy as np
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import time
import random

#画图函数  


#定义变量

x_1 = sp.symbols('x_1')
x_1_list = np.arange(0,1,0.05)#'η'取值
fun_u_max_list = []#存储解绑情形最大利润列表
p_1_max_list=[]#存储解绑策略下最优产品1价格
p_2_max_list=[]#存储解绑策略下最优产品2价格
sum_p_u_max_list=[]#存储解绑策略下最优产品1和2价格之和
d_1_max_list=[]#存储解绑策略下最优产品1需求
d_12_max_list=[]#存储解绑策略下最优产品1和2需求
fun_u_max_loc_list = []#存储解绑情形最大利润下标值列表
fun_b_max_list = []#存储捆绑情形最大利润列表
p_b_max_list=[]#存储捆绑策略下最优产品B价格
d_b_max_list=[]#存储解绑策略下最优产品1需求
fun_b_max_loc_list = []#存储捆绑情形最大利润下标值列表
#print(x_1_list)

#参数赋值
r=20#可以赋不同值
    
#定义函数表达式
for x_1 in x_1_list:
    #解绑情形
    #参数赋值
    #s=0.1##s在（0，（1-x_1）/4）开区间内随意取一数值（待修改）
    s=random.uniform(0,(1-x_1)/4)
    #v1_H=0.7##v1_H在（r/(2s+x_1)，r/(2s)）开区间内随意取一数值（待修改）
    v1_H=random.uniform(r/(2*s+x_1),r/(2*s))##v1_H在（r/(2s+x_1)，r/(2s)）

    fun_u_list = []#存储解绑情形利润列表
    p_1_list=[]#存储解绑策略下产品1价格
    p_2_list=[]#存储解绑策略下产品2价格
    sum_p_u_list=[]#存储解绑策略下产品1和2价格之和
    d_1_list=[1/2,0,0]#存储解绑策略下最优产品1需求
    d_12_list=[1/2,1/2,1/2-s]#存储解绑策略下最优产品1和2需求
    
    #最优定价策略1
    fun_u = (2*s+x_1/2)*v1_H
    p_1=2*s*v1_H
    p_2=x_1*v1_H
    sum_p_u=p_1+p_2
    fun_u_list.append(fun_u)
    p_1_list.append(p_1)
    p_2_list.append(p_2)
    sum_p_u_list.append(sum_p_u)
    
    #最优定价策略2
    fun_u = r/2
    p_1=r
    p_2=0
    sum_p_u=p_1+p_2
    fun_u_list.append(fun_u)
    p_1_list.append(p_1)
    p_2_list.append(p_2)
    sum_p_u_list.append(sum_p_u)
    
    #最优定价策略3
    fun_u = (1/2-s)*v1_H-r*s
    p_1=v1_H-(2