ms-solver-foundation

    2

    2답변

    내가 수행하여 내 해결사 재단에 기본적인 제약 조건을 추가하기 위해 노력하고있어 다음 model.AddConstraint("c1", x % y == 0); 나는 운영자 %가 '의 피연산자에 적용 할 수 없습니다 "라는 컴파일 에러가 'Microsoft.SolverFoundation.Services.Decision'및 'Microsoft.SolverFou

    2

    4답변

    안녕하세요. 선형 프로그래밍 문제를 해결하기 위해 Microsoft Solver Foundation을 사용하고 있지만 변수가 1000을 초과했으며 다음 오류 메시지가 표시됩니다. { "이 버전의 제품에서는 모델 크기 제한이 초과되었습니다. 라이선스 옵션을 마이크로 소프트에 문의하시기 바랍니다 \ 연구 \의 nLimits :.. NonzeroLimit = 1

    1

    1답변

    Neler-Mead 솔버를 사용하여 Microsoft Solver Foundation의 예제를 확인했습니다. 샘플 웹 사이트에는 하나 있다고 나와 있지만 C#으로 작성된 NLP 샘플을 열면 SineX라는 Compact Quasi-Newton 솔버 예제 만 보입니다. 누구든지 해당 샘플을 찾거나 Nelder-Mead 솔버를 사용하는 다른 샘플을 가지고 있습니

    9

    2답변

    Visual Studio 2012에서 작업중인 프로젝트에 해 찾기 재단을 추가하려고하지만 목록에서 찾을 수 없습니다. 예제 프로젝트 중 하나를 열었습니다. 참조는 Microsoft.Solver.Foundation이지만 프로젝트에서 사용 가능한 모든 목록에 대해 Microsoft.Search를 검색해 보았습니다. 어떻게 프로젝트에 Solver Foundati

    0

    1답변

    내 솔버 목표 함수에서 내 결정 변수 시간 2.5의 한도를 초과하려고 시도하지만 foobar 변수가 두 배가 아니기 때문에 Math.Ceiling() 함수를 적용 할 수 없습니다. "용어"변수. 솔버에서 작동하는 동일한 코드를 표현할 수있는 또 다른 방법이 있습니까? S : Decision foo = new Decision(Domain.IntegerNonn

    1

    1답변

    Visual Studio 2010에서 VB.NET을 사용하여 Microsoft Solver Foundation을 사용하여 최적화 모델을 만들려고합니다. 기본적으로 3 가지 유형의 직원 목록이 있습니다. 다양한 임금과 성과 등급으로 고용해야합니다 (바텐더, 웨이터 및 호스티스). 잠재적 인 직원 각각에 대해 의사 결정 변수를 만들었습니다. 무직 결정은 0으로

    3

    1답변

    Solver Foundation을 사용하여 선형 프로그래밍 문제를 해결할 수있는 응용 프로그램을 만들려고합니다. 길고 짧은 이야기 문자열 표현식을 Microsoft.SolverFoundation.Services.Term으로 변환하려고 할 때 막혔습니다. 내가 원하는 것은 문자열을 제약 조건으로 모델에 추가하는 것입니다.하지만 먼저이를 "용어"로 변환해야합니

    2

    1답변

    행렬 곱셈과 관련된 문제를 최적화하기 위해 Microsoft Solver Foundation을 사용하려고합니다. Excel의 솔버를 사용하여이 작업을 수행 할 수 있지만 C#으로 통합하려고하는데 문제가 있습니다. 여기에 예제와 함께 설명입니다 당신이 (3 × 3)을 말해봐 매트릭스 Y는 다음과 같이 정의 : Double[][] y = { new

    1

    1답변

    Microsoft Solver Foundation을 사용하여 LP (네트워크 문제)를 해결하려고합니다. 내 코드는 C#입니다. 다음 오류가 발생합니다. UnsolvableModelException 처리되지 않았습니다. 모델을 푸는 동안 해결사가 예외를 던졌습니다. 하지만 작은 크기의 네트워크에서 같은 문제가 해결되면이 오류가 발생하지 않습니다. 제약 조건과

    18

    1답변

    프로그램 목적 : 통합. 저는 높은 차원 (최대 100)을위한 적응 형 구적법 (수치 적 통합이라고도 함) 알고리즘을 구현 중입니다. 생각은 그 지점에서 오류의 추정에 비례하는 샘플링 밀도를 사용하여 점을 평가하여 볼륨을 더 작은 섹션으로 무작위로 나눕니다. 초기에 균일 한 샘플을 "번인 (burn-in)"한 다음 추정 된 오차에 대해 가우스 분포에 따라