线性优化是指在满足一定的约束条件下，最大或最小化一个线性函数的过程。Python中有很多的优化库，比如sciPy，PuLP和CVXOPT等。

下面是一个使用PuLP求解线性优化问题的例子：

from pulp import *

# 创建一个线性优化问题实例
problem = LpProblem("Linear Optimization Problem", LpMinimize)

# 定义变量
x = LpVariable("x", lowBound=0)
y = LpVariable("y", lowBound=0)

# 添加最小化目标函数
problem += 2*x + y

# 添加约束条件
problem += x + 2*y >= 4
problem += x + y >= 3

# 解决问题
status = problem.solve()

# 打印最优解
print("x =", value(x))
print("y =", value(y))
print("最小化目标函数值 =", value(problem.objective))

上面的代码求解了如下线性规划问题：

最小化函数 f(x, y) = 2x + y

满足以下约束条件：

x + 2y ≥ 4

x + y ≥ 3

使用PuLP库可以很方便地求解线性优化问题，同时PuLP还允许我们添加整数或二进制等附加约束，使得我们能够更加灵活地定义问题。