mixed-integer-programming相关内容
我正在通过Julia中的JUMP包使用Gurobi来求解混合整数规划。 我想要一张图表 like this one,其中还提供了基于Python的解决方案(也在 Gurobi community form)。 但是,我还没有找到Julia通过JUMP呼叫Gurobi的有效解决方案。 我知道必须使用回调函数(例如this suggestion甚至main documentation he
..
我在我的PYOMO模型中遇到了二次约束。用gurobi或多或少地解决了这个问题,但它经常给我带来记忆问题。所以我线性化了这个二次约束。然而,现在我遇到了另一个问题:Link to Stackoverflow。所以我想知道我是不是在线性化方面犯了错误。 问题是热泵可以提供冷却或加热,但不能同时提供两者。 二次方版本: h(t) = p(t)*bh(t)*COPh #quadratic
..
我有一个混合整数规划问题.我可以使用 JuMP 找到最佳解决方案.但是我怎样才能找到第二好的解决方案呢?或第三等. 这可能是另一个同样最优的解决方案,或者这可能是一个更糟糕的解决方案,或者它可能是 :Infeasible -- 可能没有大多数解决方案. 我知道对于类似 TSP 的问题,我可以通过逐步删除最佳路径上的链接(即将某些城市之间的距离设置为无限)来找到其他解决方案.对于调度类型
..
我正在尝试使用 Python 中的 or-tools 来解决具有多个最优解的混合整数线性程序.但是,NextSolution() 总是返回 False,所以我不能检索多个解决方案.我知道此函数使用约束求解器工作,但我想使用 MILP 求解器. 相关的or-tools 文档指出:/p> 截至 2020 年 2 月 10 日,只有 Gurobi 和 SCIP 支持 NextSolution()
..
编辑:我意识到我以前尝试描述问题的方法并没有很大帮助,并且实际上并没有很好地模仿我目前正在做的事情,所以我重写了这篇文章.我已经包含了我的工作代码.我将在示例中使用的数据是Lending Club贷款数据(csv格式),可以从此处下载: = 0.08#“加权利率之和不能小于8%"#Placeholder用于在avg上插入约束.贷款额prob.solve()print("Status:",pulp.
..
我正在使用 ompr 包来创建和解决整数编程问题.为简单起见,我将以NFL足球奇幻球员为例. 我想最大化两场比赛的得分,同时每场比赛只在每个位置上玩 1 名球员.(为简单起见,这里假设任何玩家都可以担任任何位置.) 我遇到的问题是25个可能的玩家,我想将在两场比赛中选择的 total 玩家总数限制为15. i ompr 变量的code>组件代表玩家索引,但是我不确定如何添加限制选择的总
..
我希望创建一个分配,以显示员工可以工作的时间.与此图相似,可在此链接中找到人员分配. 为实现这一目标,我创建了 staff_availability_df ,其中包含要选择的员工数量,该数量可在 ['Person'] 列中找到.他们可以在 min-max 小时内工作,并获得多少报酬.他们可以工作的可用时间被分成小时['Availability_Hr'],代表他们可以工作的时间,以小时表示.因
..
我正在使用DOCPLEX建立一个混合整数线性编程(MILP)问题,然后通过Python上的CPLEX解决了该问题.但是,在尝试使用IF-THEN约束解决MILP问题时,出现以下错误: DOcplexException:Model.if_then(),nbBus40> = 3.0不是离散的 之所以发生这种情况,是因为我已声明 nbbus40 变量为连续,如下面的代码所示: 从docplex
..
是否可以(如果可以的话)使用具有条件表达式的目标函数? 从文档中更改示例,我想要一个类似这样的表达式: def objective_function(model): return model.x[0] if model.x[1]
..
获得中间结果,而PuLP试图找到最佳可行的解决方案. 您知道,解决混合整数线性规划(MILP)情况可能会花费很长时间.我正在尝试从PuLP优化程序包中获取中间结果,而该程序包正在运行.我知道有可能在Gurobi(商业优化程序包)中做到这一点. 我不确定我可以在PuLP软件包中使用的代码来获取该信息.任何建议将不胜感激. 解决方案 Pulp确实没有此接口(尽管如果您使用gurob
..
我有一个混合整数编程问题. 我可以使用JuMP来找到最佳解决方案. 但是,如何找到第二好的解决方案呢? 或第三等. 这可能是另一个同样最佳的解决方案, 否则可能是更糟糕的解决方案, 或可能是:Infeasible-可能没有大多数解决方案. 对于类似TSP的问题,我知道可以通过逐步删除最佳路径上的链接来找到其他解决方案(即,将某些城市之间的距离设置为无限). 对于调度类型的问题,我可以类
..
我想用cplex python解决一个整数编程模型.我有这个模型: p=[i for i in range (len(h))] x=mdl.binary_var_dict(p,name='x') #objective mdl.minimize(0) #constraints #1 mdl.add_constraints(mdl.sum(h[i][k]*x[i] for i in p)
..
我需要找到优化问题的解决方案.在我的简化示例中,我对明年的价格进行了预测.我的库存最多可以包含25种产品.我每个月可以买卖.我每月不能购买4种以上的产品,也不能出售8种以上的产品.我通过以低于出售的价格购买来寻找利润.是否有包装/功能可以指示何时购买和何时出售?目的是在维持设定条件的同时,使期末的利润最大化(请参见下面的示例).还提供了可能的手动解决方案.在实际应用中,还会有其他条件,例如,我需要
..
我想找到优化问题的解决方案.目的是通过低价购买和更高价格出售来最大化利润.存在一些限制,例如最大库存水平和最大购买/出售单位数量.此外,买卖限制取决于库存水平.我问过一个类似的问题,尽管这里没有最后一个条件 R优化买入卖出. > 这里是一个例子: price = c(12, 11, 12, 13, 16, 17, 18, 17, 18, 16, 17, 13) capacity = 25
..
我是神秘主义者,正在研究优化问题.我的神秘代码如下: def find_loss(e,lmd,q,k): edge_pmf=find_final_dist(e,lmd,q) l_e=sum(edge_pmf[k+1:]) return l_e def objective(x): s=0 for i in range(len(x)):
..
我正在编写一个LpProblem,我需要创建一个约束,其中某些变量的总和为100 ... 100、200、300 ...的倍数. 我正在尝试使用mod(),round()和int()的下一个表达式,但由于它们不支持LpAffineExpression,因此无法正常工作. probl + = lpSum(如果h [2] == b],则varSKU中[h的hs为[vars [h])%100
..
我正在尝试解决最小的图形着色问题.我正在尝试使用cvxpy将其解决为 mip .我正在遵循此url中描述的解决方案的概述: https://manas.tech/blog/2010/09/16/modelling-graph-coloring-with-integer-linear-programming.html 我不确定我是否了解如何正确创建cvxpy变量以及如何定义约束.我在下面
..
我有一个客户列表,可以通过四种不同的方式“激活"每个客户: n= 1000 df = pd.DataFrame(list(range(0,n)), columns = ['Customer_ID']) df['A'] = np.random.randint(2, size=n) df['B'] = np.random.randint(2, size=n) df['C'] = np.rando
..