일부 제약 조건에 따라 두 가지 작업 중 적은 것을 선택하는 최적화 모델을 작성하고 싶습니다. minimize obj: (doT1 * T1) + (doT2*T2) + (additional variables)
이제 T1과 T2는 작업 기간을 나타내며 doT1은 이러한 작업을 수행하기위한 플래그를 나타냅니다. 필요한 경우이 최적화 중 하나만 선택하도록합니다
CPLEX LP 형식의 문제 입력과 함께 SCIP 명령 줄을 사용하여 MIP를 해결하려고합니다. 그러나 많은 수의 변수로 인해 최적화에 많은 시간이 걸립니다. SCIP에서 동일한 MIP의 LP Relaxtion 솔루션을 계산할 수있는 방법이 있습니까? 또는 다른 방법으로 근사하고 다소 차선책을 찾으십니까?
Gurobi/python에서 희소 행렬을 사용하여 표현 된 LP 문제를 해결하려고합니다. X = B 대상 최대 ′ C, X, L, X ≤ ≤ U, A는 크기가 2 ~ 1,000 의 SciPy linked list sparse matrix이다 . Gurobi/매트랩 같은 작업에 비해 10 ~ 100 배 느린 코드 model = gurobipy.Model()
저는 Python 2.7에서 작동하고 PuLP 라이브러리를 사용하여 문제를 설정합니다. 변수, 목표 및 제약 조건이 정의되면 LpProblem 객체를 피클 해 다른 곳의 솔버로 보냅니다. 내 문제를 유엔 - 산세시, 나는 모든 변수가 중복되는 것을 알 수 : import pulp
import pickle
prob = pulp.LpProblem('tes
내가 간단한 경우 GLPK 또는 R.에, (운송 비용을 최소화) 최적화를 사용하는 일반적인 교통 문제를 해결하기 위해 노력하고 있어요 : 2 개 지역에 위치한 4 개 생산자 (A 및 B)는 다른 곳의 두 수출상에게 제품을 전달하고 있습니다. 각 경로 생산자 - 수출자에 대한 비용 매트릭스가 있습니다 (아래 참조). 해결책은 간단 할 것입니다. 교통 문제의
방금 수학 모델을 풀기 위해 GLPK 도구를 배웁니다. 사실 내 모델에서는이 문제를 비선형 문제로 만드는 전윈 연산자를 사용합니다. 처럼 간단하게 코드 : 내가 물어보고 싶은 set I;
var x{I} binary;
var V{I};
maximize M: sum{i in I} V[i];
subject to C1: sum{i in I} x
PolyLineZ (ESRI Shapefile) 데이터와 함께 작동하고 Z 값을 재 작성하는 Windows 양식 응용 프로그램을 작성합니다. 최소 및 최대 Z-값은 인터페이스를 통해 사용자에 의해 정의 이다 최소 0이고 최대 값은 10이라고하자의가 예를 들어 다음을 보자 같습니다과 XY Z
1,1 0
1,3 1
1,5 7
1,7 11*
1
Gurobi가 솔루션을 10 회 반복하여 찾는 선형 MIP 문제가 있습니다. 실제로 솔루션이 최적임을 입증하려면 훨씬 더 많은 시간이 필요합니다. 로그는 다음과 같습니다. 구로비를 멈추게하는 방법이 있습니까? 자동화 튜닝 도구를 사용해 보았습니다. Heuristics=0을 설정하라고 알려줍니다. 이 조언을 따르면 솔루션을 찾기위한 총 실행 시간이 줄어 듭니
IBM ILOG CPLEX에는 간단한 모델이 있습니다. dvar float x in 1..99;
dvar float y in 1..99;
dvar float z in 1..99;
subject to
{
x + y - z == 41.3;
}
나는 x, y 및 z 무작위 솔루션이 필요합니다. 그러나 나는 항상 41.3, 1, 1을 얻습니다