一、cplex項(xiàng)目模板

一般一個(gè)的cplex項(xiàng)目，一般分為五個(gè)模塊，分別是創(chuàng)建模型、定義優(yōu)化參數(shù)、設(shè)置目標(biāo)函數(shù)、設(shè)置約束和模型求解及輸出。下面針對這五個(gè)模塊使用cplex的Java API來進(jìn)行介紹。

1.1 創(chuàng)建模型

即在內(nèi)存中開辟一個(gè)空間來實(shí)例化IloCplex類；

IloCplex cplex = new IloCplex(); // 創(chuàng)建一個(gè)模型

1.2 定義優(yōu)化參數(shù)

這里定義將要求解的優(yōu)化參數(shù)，常見的參數(shù)類型包括單個(gè)變量、一維及二維數(shù)組類型。

1.2.1 單變量定義

在實(shí)際生產(chǎn)問題中，常見的變量類型就實(shí)數(shù)，整數(shù)比較常見：
○ 實(shí)數(shù)型變量 cplex.numVar
○ 整數(shù)型變量 cplex.intVar
單變量參數(shù)，主要是值變量的取值范圍，例如該變量取值范圍為 $0≤x≤5$ ，若不想定義范圍也可以設(shè)置為-Double.MAX_VALUE和Double.MAX_VALUE,表示負(fù)無窮到正無窮；比如cplex.numVar(0,5)，表示 $0≤x≤5$ 。

1.2.2 一維數(shù)組定義

○ 實(shí)數(shù)型變量 cplex.numVarArray(num,min,max)
○ 整數(shù)型變量 cplex.intVarArray(num,min,max)
參數(shù)表示數(shù)組的大小(num)，最小值(min)和最大值(max)，這樣定義的就是三個(gè)定義域相同的變量；
如果要為每個(gè)變量設(shè)置不同的范圍

double[] rangeVar = {0,3,2,8,1,7}; // 每個(gè)變量的最小值和最大值
IloNumVar[] x = new IloNumVar[3];
for(int i=0;i<3;i++){
    x[i] = cplex.numVar(rangeVar[2*i], rangeVar[2*i+1]);
}

這樣就將數(shù)組中的三個(gè)變量設(shè)置了不同的取值范圍，分別為[0,3]，[2,8]，[1,7]

1.2.3 二維數(shù)組定義

IloNumVar[][] x2array1 = new IloNumVar[2][];
for (int i=0; i<2; i++){
    x2array1[i] = cplex.numVarArray(2, 0.0, 5.0);
}
IloIntVar[][] x2array2 = new IloIntVar[2][];
for (int i=0; i<2; i++){
    x2array2[i] = cplex.intVarArray(2, 0, 5);
}

1.3 設(shè)置目標(biāo)函數(shù)和約束

目標(biāo)函數(shù)一般是取一個(gè)表達(dá)式的最大值或者最小值，約束一般是設(shè)定一個(gè)表達(dá)式的取值范圍，一個(gè)共同點(diǎn)就是都需要先定義表達(dá)式，而且它們定義表達(dá)式的方式是完全相同的。

1.3.1 定義表達(dá)式

官方根據(jù)表達(dá)式類型的不同提供了不同的接口，包括：

接口	描述
IloIntExpr/IloNumExpr	整數(shù)/實(shí)數(shù)表達(dá)式的基本公共接口
IloLinearIntExpr/IloLinearNumExpr	整數(shù)/實(shí)數(shù)類型變量的一次線性表達(dá)式的接口
IloLQIntExpr/IloLQNumExpr	具有線性和二次項(xiàng)的一般表達(dá)式
IloQuadIntExpr/IloQuadNumExpr	整數(shù)/實(shí)數(shù)型二次數(shù)值表達(dá)式

需要根據(jù)模型表達(dá)式類型選擇合適自己的接口形式，比如 $x_1+2x_2+3x_3$ ，屬于線性類型，那么就可以一次線性表達(dá)式的接口：

IloNumVar[] x =cplex.numVarArray(3, -5, 5);
IloLinearNumExpr cs = cplex.linearNumExpr();
cs.addTerm(1, x[0]);
cs.addTerm(2, x[1]);
cs.addTerm(3, x[2]);

每個(gè)接口都提供了非常多的方法，詳細(xì)參考官方文檔的使用方法和說明。盡管官方為不同形式的表達(dá)式提供了不同的接口，但是存在一定的問題，比如無法在一次線性規(guī)劃表達(dá)式中添加二次項(xiàng)，當(dāng)表達(dá)式比較復(fù)雜的時(shí)候通常不止一種類型。因此一般就用最基本的公式接口IloNumExpr，在這個(gè)接口中可以利用cplex模型庫中的加減乘除來添加任何形式的表達(dá)式。

先創(chuàng)建模型Ilocplex cplex = new IloCplex(); 然后通過cplex.xxx的方式使用模型中的各種運(yùn)算方法，常用的包括：

方法	說明
sum	求和
diff	求差
prod	乘積
abs	絕對值

有了以上這四種方法基本就可以應(yīng)對大部分的表達(dá)式了，比如 $x_1+2x_2+3x_3$ ，用基本公共接口表示為：

IloNumVar[] x =cplex.numVarArray(3, -5, 5);
double[] vars = {1,2,3};
IloNumExpr cs = cplex.numExpr();
for(int i=0;i<3;i++){
    cs = cplex.sum(cs, cplex.prod(x[i], vars[i]));
}

雖然這種方式增加了代碼量，但是代碼可讀性增強(qiáng)了，所以這種方式會更好，再比如，求變量x的平方和絕對值之和：

IloNumVar[] x =cplex.numVarArray(3, -5, 5);
IloNumExpr cs1 = cplex.numExpr();
IloNumExpr cs2 = cplex.numExpr();
for(int i=0;i<3;i++){
    cs1 = cplex.sum(cs1, cplex.abs(x[i]));
    cs2 = cplex.sum(cs2, cplex.prod(x[i], x[i]));
}

1.3.2 定義目標(biāo)函數(shù)

假設(shè)定義后目標(biāo)函數(shù)的表達(dá)式用obj表示：

函數(shù)	說明
cplex.addMinimize(obj)	求obj的最小值
cplex.addMaximize(obj)	求obj的最大值

1.3.3 定義約束

假設(shè)定義后約束的表達(dá)式用cs表示：

函數(shù)	說明
cplex.addEq(cs,a)	$cs=a$
cplex.addLe(cs,a)	$cs{\le}a$
cplex.addGe(cs,a)	$cs{\ge}a$
cplex.addRange(a,cs,b)	$a{\le}cs{\le}b$

在添加了約束后我們可以通過cplex.diff(cs,cs)來清空表達(dá)式cs，然后就可以在cs中添加新的表達(dá)式。

1.4 清空表達(dá)式

有時(shí)候在定義目標(biāo)函數(shù)和約束時(shí)需要通過循環(huán)來定義新的表達(dá)式，每次重新初始化表達(dá)式很麻煩，這時(shí)候就需要清空表達(dá)式：

cplex.diff(cs,cs)
cplex.numExpr()
第一種方式有時(shí)候會爆出內(nèi)存溢出的錯(cuò)誤，因此更推薦使用第二種方式。

1.5 模型求解及輸出

模型求解以及輸出的模板如下所示：

if (cplex.solve()) {
    cplex.output().println("Solution status = " + cplex.getStatus());
    cplex.output().println("Solution value = " + cplex.getObjValue());
    double[] val = cplex.getValues(x);
    for (int j = 0; j < val.length; j++){
        System.out.println("x" + (j+1) + "  = " + val[j]);
    }
}
cplex.end();

其中

函數(shù)	說明
cplex.getStatus()	獲得模型求解的狀態(tài)
cplex.getObjValue()	獲取目標(biāo)函數(shù)的值
cplex.getValues(x)	獲取優(yōu)化變量的值
cplex.end()	結(jié)束模型

模型求解包括以下幾個(gè)狀態(tài)

狀態(tài)	說明
Optimal	找到了一個(gè)最優(yōu)的解決方案
Feasible	找到了一個(gè)可行的解決方案
Infeasible	該模型不可行
Error	遇到了錯(cuò)誤
Bounded	模型不是無界的
Unbounded	模型是無界的

二、cplex 項(xiàng)目實(shí)戰(zhàn)

2.1 案例一

該案例為《運(yùn)籌學(xué)》清華大學(xué)第四版P15例2-1題目，具體應(yīng)用場景請參考教材。
目標(biāo)函數(shù)： $max? z=2x_1+3x_2$
約束條件：
$x_1+2x_2≤8$
$4x_1≤16$
$4x_2≤12$
$x_1,x_2≥0$

package com.opreation.research;
import ilog.concert.*;
import ilog.cplex.IloCplex;

public class CplexTest {
    public static void main(String[] args) throws IloException {
        try{
            // 1. 創(chuàng)建模型
            IloCplex cplex = new IloCplex();

            // 2. 定義優(yōu)化參數(shù)
            IloNumVar[] x = cplex.numVarArray(2, 0, Double.MAX_VALUE);
            double[] c = {2,3};
            IloNumExpr cs1 = cplex.numExpr();
            for(int i=0;i<2;i++){
                cs1 = cplex.sum(cs1,cplex.prod(c[i], x[i]));
            }


            // 3. 設(shè)置目標(biāo)函數(shù)
            cplex.addMaximize(cs1);
            // 4. 設(shè)置約束
            cplex.addLe(cplex.sum(x[0], cplex.prod(2, x[1])), 8);
            cplex.addLe(cplex.prod(4, x[0]), 16);
            cplex.addLe(cplex.prod(4, x[1]), 12);

            // 5. 模型求解及輸出
            if(cplex.solve()){
                cplex.output().println("Solution status = " + cplex.getStatus());
                cplex.output().println("Solution Value = " + cplex.getObjValue());
                double[] val = cplex.getValues(x);
                for(int j=0;j<2;j++){
                    System.out.println("x" + (j+1) + " = " + val[j]);
                }
            }
            cplex.end();
        } catch (IloException e){
            System.err.println("Concert exception caught: " + e);
        }

    }
}

運(yùn)行結(jié)果

Tried aggregator 1 time.
LP Presolve eliminated 2 rows and 0 columns.
Reduced LP has 1 rows, 2 columns, and 2 nonzeros.
Presolve time = 0.00 sec. (0.00 ticks)

Iteration log . . .
Iteration:     1   Dual objective     =            14.000000
Solution status = Optimal
Solution Value = 14.0
x1 = 4.0
x2 = 2.0

可以根據(jù)上面的運(yùn)行結(jié)果獲悉，該問題為LP(線性規(guī)劃)求解問題，迭代了一次，對偶目標(biāo)解為14，解的狀態(tài)為Optimal，即找到了一個(gè)最優(yōu)的解決方案，目標(biāo)函數(shù)的最優(yōu)解為14，對應(yīng)的變量x1和x2分別取4和2。

2.2 案例二

該案例為《運(yùn)籌學(xué)》清華大學(xué)第四版P60例2-10題目，具體應(yīng)用場景請參考教材。
目標(biāo)函數(shù)： $min? z=0x_1+0.1x_2+0.2x_3+0.3x_4+0.8x_5$
約束條件：
$x_1+2x_2+x_4=100$
$2x_3+2x_4+x_5=100$
$3x_1+x_2+2x_3=3x_5=100$
$x_1,x_2,x_3,x_4,x_5≥0$

package com.opreation.research;
import ilog.concert.*;
import ilog.cplex.IloCplex;

import org.omg.PortableInterceptor.SYSTEM_EXCEPTION;

import java.util.HashSet;
import java.util.Random;

public class CplexTest {

    public static void main(String[] args) throws IloException {
        try{


            // 1. 創(chuàng)建模型
            IloCplex cplex = new IloCplex();


            // 2. 定義優(yōu)化參數(shù)
            IloNumVar[] x = cplex.numVarArray(5, 0, Double.MAX_VALUE);
            double[] c = {0, 0.1, 0.2, 0.3, 0.8};
            IloNumExpr cs1 = cplex.numExpr();
            for(int i=0;i<5;i++){
                cs1 = cplex.sum(cs1,cplex.prod(c[i], x[i]));
            }


            // 3. 設(shè)置目標(biāo)函數(shù)
            cplex.addMinimize(cs1);
            // 4. 設(shè)置約束
            cplex.addEq(cplex.sum(x[0], cplex.prod(2, x[1]), x[3]), 100);
            cplex.addEq(cplex.sum(cplex.prod(2, x[2]), cplex.prod(2, x[3]), x[4]), 100);
            cplex.addEq(cplex.sum(cplex.prod(3, x[0]), x[1], cplex.prod(2, x[2]), cplex.prod(3, x[4])), 100);
            cplex.addGe(x[0], 0);
            cplex.addGe(x[1], 0);
            cplex.addGe(x[2], 0);
            cplex.addGe(x[3], 0);
            cplex.addGe(x[4], 0);


//            // 5. 模型求解及輸出
            if(cplex.solve()){
                cplex.output().println("Solution status = " + cplex.getStatus());
                cplex.output().println("Solution Value = " + cplex.getObjValue());
                double[] val = cplex.getValues(x);
                for(int j=0;j<5;j++){
                    System.out.println("x" + (j+1) + " = " + val[j]);
                }

            }
            cplex.end();
        } catch (IloException e){
            System.err.println("Concert exception caught: " + e);
        }

    }
}

運(yùn)行結(jié)果

Tried aggregator 1 time.
LP Presolve eliminated 5 rows and 0 columns.
Reduced LP has 3 rows, 5 columns, and 10 nonzeros.
Presolve time = 0.02 sec. (0.00 ticks)
Initializing dual steep norms . . .

Iteration log . . .
Iteration:     1   Dual objective     =            10.000000
Solution status = Optimal
Solution Value = 16.0
x1 = 0.0
x2 = 40.0
x3 = 30.0
x4 = 20.0
x5 = 0.0

可以根據(jù)上面的運(yùn)行結(jié)果獲悉，該問題為LP(線性規(guī)劃)求解問題，迭代了一次，對偶目標(biāo)解為10，解的狀態(tài)為Optimal，即找到了一個(gè)最優(yōu)的解決方案，目標(biāo)函數(shù)的最優(yōu)解為16，對應(yīng)的變量x2、x3、x4分別取40、30和20。這好像和教材上的解不一樣，帶入原約束條件都滿足，帶入目標(biāo)函數(shù)其方案同樣是使用了90跟原材料制造了100套鋼材。這里似乎出現(xiàn)了第二個(gè)最優(yōu)解，這也是實(shí)際問題中經(jīng)常出現(xiàn)的情況，多個(gè)最優(yōu)解，這里在下一節(jié)進(jìn)行討論。

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九欧美,1769亚洲,黄色成人av

cplex入門系列（二）--- 線性規(guī)劃求解

cplex入門系列（二）--- 線性規(guī)劃求解

一、cplex項(xiàng)目模板

1.1 創(chuàng)建模型

1.2 定義優(yōu)化參數(shù)

1.2.1 單變量定義

1.2.2 一維數(shù)組定義

1.2.3 二維數(shù)組定義

1.3 設(shè)置目標(biāo)函數(shù)和約束

1.3.1 定義表達(dá)式

1.3.2 定義目標(biāo)函數(shù)

1.3.3 定義約束

1.4 清空表達(dá)式

1.5 模型求解及輸出

二、cplex 項(xiàng)目實(shí)戰(zhàn)

2.1 案例一

2.2 案例二

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九 欧美,1769亚洲,黄色成人av

cplex入門系列（二）--- 線性規(guī)劃求解

一、cplex項(xiàng)目模板

1.1 創(chuàng)建模型

1.2 定義優(yōu)化參數(shù)

1.2.1 單變量定義

1.2.2 一維數(shù)組定義

1.2.3 二維數(shù)組定義

1.3 設(shè)置目標(biāo)函數(shù)和約束

1.3.1 定義表達(dá)式

1.3.2 定義目標(biāo)函數(shù)

1.3.3 定義約束

1.4 清空表達(dá)式

1.5 模型求解及輸出

二、cplex 項(xiàng)目實(shí)戰(zhàn)

2.1 案例一

2.2 案例二

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容

色偷偷精品伊人,欧洲久久精品,欧美综合婷婷骚逼,国产AV主播,国产最新探花在线,九色在线视频一区,伊人大交九欧美,1769亚洲,黄色成人av

一、cplex項(xiàng)目模板

二、cplex 項(xiàng)目實(shí)戰(zhàn)