Julia + JuMP에서 AMPL 세트 및 매개 변수를 어떻게 정의합니까?

Question

난 당신이

set A := a0 a1 a2; 

param p := 
a0 1 
a1 5 
a2 10 ; 

가 어떻게 줄리아의 A 및 p 같은 것을 정의 할 정의 할 때 AMPL에 무엇을 유사에, 줄리아 + 점프에서 약간의 일정 매개 변수를 정의 할 필요가?

Answer 1

JuMP 자체는 Julia에서 사용할 수있는 것 이상의 색인 세트에 대한 특수 구문을 정의하지 않습니다. 예를 들어, 다음과 같이 정의 할 수 있습니다.

여기서 :a0은 기호를 정의합니다.

m = Model() 
@variable(m, x[A]) 

점프는 데이터와 AMPL와 같은 방식으로 모델 사이의 구별을하지 않기 때문에 거기 : 색인이 설정을 통해 변수를 원하는 경우

, 다음 구문은 매개 변수의 실제 개념이 없습니다. 대신 데이터를 사용할 때만 제공하십시오. 내가 제대로 질문을 이해한다면, 당신은 우리가 줄리아 사전으로 p를 정의하는 제약

x[a0] + 5 x[a1] + 10 x[a2] <= 20 

을 추가합니다

p = Dict(:a0 => 1, :a1 => 5, :a2 => 10) 
@constraint(m, sum(p[i]*x[i] for i in A) <= 20) 

같은 것을 할 수 있습니다. 여기에 JuMP에만 해당하는 것은 없으며 실제로 모든 줄리아 표현이 계수로 제공 될 수 있습니다. foo 데이터베이스 조회를 수행 할 수있는 임의의 줄리아 기능, 파이의 컴퓨팅 숫자, 등 내가 작업 @mlubin의 원래 답변을 얻을 coudn't

Answer 2

어디 하나는 그냥 간단하게

@constraint(m, sum(foo(i)*x[i] for i in A) <= 20) 

말할 수 . 또한 웹 주위의 많은 예가 위치 기반 색인 생성을 사용하므로 너무 자연스럽지 않으므로 대신 사전을 사용하여 trnsport.gms GAMS 자습서를 다시 작성합니다. gams/ampl "세트"에 훨씬 가깝습니다. .

#= 
Transposition in JuMP of the basic transport model used in the GAMS tutorial 

This problem finds a least cost shipping schedule that meets requirements at markets and supplies at factories. 

- Original formulation: Dantzig, G B, Chapter 3.3. In Linear Programming and Extensions. 
Princeton University Press, Princeton, New Jersey, 1963. 
- Gams implementation: This formulation is described in  detail in: 
Rosenthal, R E, Chapter 2: A GAMS Tutorial. In GAMS: A User's Guide. 
The Scientific Press, Redwood City, California, 1988. 
- JuMP implementation: Antonello Lobianco 
=# 

using JuMP, DataFrames 

# Sets 
plants = ["seattle","san_diego"]   # canning plants 
markets = ["new_york","chicago","topeka"] # markets 

# Parameters 
a = Dict(    # capacity of plant i in cases 
    "seattle" => 350, 
    "san_diego" => 600, 
) 
b = Dict(    # demand at market j in cases 
    "new_york" => 325, 
    "chicago" => 300, 
    "topeka" => 275, 
) 

# distance in thousands of miles 
d_table = wsv""" 
plants  new_york chicago topeka 
seattle 2.5  1.7  1.8 
san_diego 2.5  1.8  1.4 
""" 
d = Dict((r[:plants],m) => r[Symbol(m)] for r in  eachrow(d_table), m in markets) 

f = 90 # freight in dollars per case per thousand miles 

c = Dict() # transport cost in thousands of dollars per case ; 
[ c[p,m] = f * d[p,m]/1000 for p in plants, m in markets] 

# Model declaration 
trmodel = Model() # transport model 

# Variables 
@variables trmodel begin 
    x[p in plants, m in markets] >= 0 # shipment quantities in cases 
end 

# Constraints 
@constraints trmodel begin 
    supply[p in plants], # observe supply limit at plant p 
     sum(x[p,m] for m in markets) <= a[p] 
    demand[m in markets], # satisfy demand at market m 
     sum(x[p,m] for p in plants) >= b[m] 
end 

# Objective 
@objective trmodel Min begin 
    sum(c[p,m]*x[p,m] for p in plants, m in markets) 
end 

print(trmodel) 

status = solve(trmodel) 

if status == :Optimal 
    println("Objective value: ", getobjectivevalue(trmodel)) 
    println("Shipped quantities: ") 
    println(getvalue(x)) 
    println("Shadow prices of supply:") 
    [println("$p = $(getdual(supply[p]))") for p in plants] 
    println("Shadow prices of demand:") 
    [println("$m = $(getdual(demand[m]))") for m in markets] 

else 
    println("Model didn't solved") 
    println(status) 
end 

# Expected result: 
# obj= 153.675 
#['seattle','new-york'] = 50 
#['seattle','chicago'] = 300 
#['seattle','topeka']  = 0 
#['san-diego','new-york'] = 275 
#['san-diego','chicago'] = 0 
#['san-diego','topeka'] = 275 

훨씬 더 주석 버전은 내 related blog post 볼 수 있습니다.