添加链接
link之家
链接快照平台
  • 输入网页链接,自动生成快照
  • 标签化管理网页链接
首页
学习
活动
专区
工具
TVP
发布

线性规划

线性规划 最先在第二次世界大战时被提出,用于最大化资源的利用效率。其中的“规划”也是一个军事词汇,指按照既定的时刻表去执行任务或者用最佳方式做人员部署。 线性规划 问题的研究很快得到了大家的关注。 凸集、凸组合、极点 线性规划 的解的基本定理: 若可行域有界,则 线性规划 问题的目标函数一定可以在可行域的顶点上达到最优。 若 线性规划 有最优解, 则最优值一定可以在可行解集合的某个极点上到达, 最优解就是极点的坐标向量. 线性规划 的可行解集合K的点X是极点的充要条件为X是基本可行解. 若 线性规划 可行解K非空,则K是凸集. 迭代 算法 无界解的判断: 某个 则 线性规划 具有无界解 无可行解的判断:当用大M单纯形法计算得到最优解并且存在 时即存在认为引入的变量的最优解不为0,则表明原 线性规划 无可行解。

502 3 0
  • 广告
    关闭

    【玩转 GPU】有奖征文

    精美礼品等你拿!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Matlab遗传 算法 工具箱的使用及实例( 线性规划 )

    引言 在使用遗传 算法 (Genetic Algorithm,GA)之前,你得了解遗传 算法 是干什么的。遗传 算法 一般用于求解优化问题。 遗传 算法 最早是由美国的 John holland于20世纪70年代提出,该 算法 是根据大自然中生物体进化规律而设计提出的。 我将结合 线性规划 、非 线性规划 两类问题,来介绍一下MATLAB遗传 算法 工具箱的使用。本文先介绍用遗传 算法 工具箱求解 线性规划 模型,非 线性规划 见下期。 线性规划 的标准形式 在使用遗传 算法 求解 线性规划 问题的时候,需要将模型描述成标准 线性规划 的形式。 Aeq是等号约束中x的系数矩阵,beq是等号约束中的常数项的列向量; lb是x的最小取值,ub是x的最大取值 非标准 线性规划 转化为标准 线性规划 的实例 对于非标准 线性规划 的形式,如何化为标准型的 线性规划

    547 4 0

    python 求解 线性规划 问题

    一个 线性规划 的实例: 某机床厂生产甲、乙两种机床,每台销售后的利润分别为 4000 元与 3000 元。 由于上面的目标函数及约束条件均为线性函数,故被称为 线性规划 问题。总之, 线性规划 问题是在一组线性约束条件的限制下,求一线性目标函数最大或最小的问题。 我们中学学过用图解法解二维的 线性规划 问题: 只需要根据 线性规划 的标准型将目标函数和某些约束条件稍作变换。 Z, A_ub= A, b_ub= B,A_eq= A_eq, b_eq= b_eq, bounds=(x1_bound, x2_bound,x3_bound)) print(res) 很多看起来不是 线性规划 的问题也可以通过变换变成 线性规划 的问题来解决 通过转换,即可把上述n维带绝对值符号的规划问题转换成2n维的 线性规划 问题。 ?

    2.2K 1 0

    Matlab遗传 算法 工具箱的使用及实例(非 线性规划 )

    本文将介绍MATLAB遗传 算法 工具箱求解非 线性规划 问题。在阅读本文之前,建议读者阅读上一期“MATLAB遗传 算法 工具箱求解 线性规划 问题”。 文章传送门: Matlab遗传 算法 工具箱的使用及实例( 线性规划 ) 上一期介绍了遗传 算法 求解 线性规划 的问题。我们来看看下面这个例子,能否用上次讲的方法解决。 下面我们就来介绍一下非 线性规划 的遗传 算法 的实现。 二、非 线性规划 的标准形式 2.1 非 线性规划 的标准形式 和 线性规划 一样,在调用遗传 算法 工具箱之前,也得学习一下非 线性规划 的标准形式。 式[1]、式[2]、式[5]同 线性规划 ,为相应维数的矩阵和向量。式[3]表示非线性的不等式约束,式[4]是非线性等式约束。 (遗传 算法 具有一定随机性,每次的运行结果有差别,建议多运行几遍程序,找一个最好的结果)

    379 3 0

    java 算法 是什么_什么是 java 算法

    什么是 java 算法 算法 是指解题方案的准确而完整的描述,是一系列解决问题的清晰指令, java 算法 就是采用 Java 语言来实现解决某一问题的清晰指令。 算法 的特征: 输入性:有零个或多个外部量作为 算法 的输入 输出性: 算法 产生至少一个量作为输出 确定性: 算法 中每条指令清晰,无歧义 有穷性: 算法 中每条指令的执行次数有限,执行每条指令是时间也有限 可行性: 算法 原则上能够精确的运行 ,易于调试 健壮性:具备检查错误和对错误进行适当处理的能力 效率: 算法 执行时所需计算机资源的多少,包括运行时间和存储空间 算法 的描述形式:1、自然语言 2、 算法 框图法 3、伪代码语言 4、高级程序设计语言 算法 设计的一般过程: 1、理解问题 2、预测所有可能是输入 3、在精确解和近似解间做选择 4、确定适当的数据结构 5、 算法 设计技术 6、描述 算法 7、跟踪 算法 8、分析 算法 的效率 9、根据 算法 编写代码 下面是 Java 实现的一个 算法 :冒泡排序/** * 冒泡排序 public class BubbleSort1 { public static void BubbleSort(int[] arr

    275 1 0

    用Python求解 线性规划 问题

    线性规划 简介及数学模型表示 线性规划 简介一个典型的 线性规划 问题 线性规划 模型的三要素 线性规划 模型的数学表示图解法和单纯形法图解法单纯形法使用python求解简单 线性规划 模型编程思路求解案例例1:使用scipy 因为最优解的搜索范围从整个可行域缩小到了可行域的有限个顶点, 算法 的效率得到了极大的提升。 具体的找初始可行解的方法,判断解是否最优的条件,如何进行迭代这里不做详细展开,有兴趣可以查阅相关资料 此外,求解 线性规划 的方法还有椭球法、卡玛卡 算法 、内点法等。 注意:整数规划最优解不能按照实数最优解简单取整而获得 整数规划的两个常用求解方法:分支定界 算法 、割平面法 分枝定界法 step1不考虑整数约束的情况下求解得到最优解 (一般不是整数); step2以该解的上下整数界限建立新的约束 0-1规划的常用求解方法:分支定界 算法 、割平面法、隐枚举法 案例:投资的收益和风险 问题描述与分析 ?

    5.3K 4 1

    【求解器软件】lingo180软件安装包下载 2022 lingo电脑版安装包

    LINGO是一款优秀的求解器软件,主要用于解决 线性规划 、整数规划、非 线性规划 、动态规划等数学问题。 它具有以下主要功能: 线性规划 :LINGO可以通过 线性规划 算法 求解 线性规划 问题,如线性最优化、 线性规划 模型、网络流等。 整数规划:LINGO支持求解整数规划问题,如整数最优化、混合整数规划等。 非 线性规划 :LINGO可以通过全局优化 算法 和局部优化 算法 求解非 线性规划 问题,如非线性最优化、无约束优化等。 动态规划:LINGO支持求解动态规划问题,如最短路径、最小生成树等。 其他: Java Runtime Environment(JRE)1.6或以上版本,Internet连接(用于许可证激活和在线支持)

    163 2 0

    算法 基础】 java 排序 算法

    Java 中的经典 算法 之冒泡排序(Bubble Sort) 原理:比较两个相邻的元素,将值大的元素交换至右端。 思路:依次比较相邻的两个数,将小数放在前面,大数放在后面。 二、 算法 描述 假定n是数组的长度, 首先假设第一个元素被放置在正确的位置上,这样仅需从1-n-1范围内对剩余元素进行排序。 中的经典 算法 之选择排序(SelectionSort) a) 原理:每一趟从待排序的记录中选出最小的元素,顺序放在已排好序的序列最后,直到全部记录排序完毕。 基于此思想的 算法 主要有简单选择排序、树型选择排序和堆排序。 java 实现的快速排序 算法 快速排序的原理:选择一个关键值作为基准值。比基准值小的都在左边序列(一般是无序的),比基准值大的都在右边(一般是无序的)。一般选择序列的第一个元素。

    406 2 0

    干货 | 运筹学、数学规划、离散优化求解器大PK,总有一款适合你

    当时作为一名运筹学研究精确 算法 的博士生 毕业难度(代码能力)可想而知。 大家可以把它理解为, 一个专门求解整数规划模型的 算法 包, 任何编程语言(C/C++、 Java 、Python), 去调用这个包里的方程, 只要你把你要求解的, 整数规划模型目标方程和系数矩阵输进去 4. yalmip 可以说,yalmip是一位“集大成者”,它不仅自己包含基本的 线性规划 求解 算法 ,比如linprog( 线性规划 )、bintprog(二值 线性规划 )、bnb(分支界定 算法 )等,他还提供了对 因此,yalmip不仅仅是一个 线性规划 求解器,更强大的地方在于,它提供了一个统一的建模平台,支持现有的几乎所有的求解 算法 。有了yalmip,一切都变得简单起来。 2017年公布了第一版的 线性规划 求解器的源代码,包括了内点法求解 线性规划 的完整 算法 ,这在开源求解器里是比较少见的,代码基本可以通过Netlib的问题集测试。

    13.1K 7 0

    线性规划 &整数规划求解速度PK

    相信大家对 线性规划 和整数规划应该不陌生,在开始今天的问题之前我们不妨再来复习一下这两个概念,毕竟温故而知新嘛 线性规划 与整数规划 线性规划 是这样定义的: 没错,它就是--- 带时间窗约束的车辆路径规划问题 按照惯例我们先要介绍一下这个问题,具体可以参考我们之前的这篇文章“干货|十分钟快速掌握CPLEX求解VRPTW数学模型(附 Java 代码及CPLEX安装流程 小编是在Eclipse上用 JAVA 语言调用的接口。 但是后来又有学者提出了最坏情况下仅为多项式时间的 算法 ,比如椭球法和内点法。 咳咳好像扯远了,证明整数规划是NP-Hard的证明在许多地方例如一些 算法 书都可以找到,有兴趣的小伙伴可以去探索一下。

    2.9K 3 0

    java 冒泡 算法

    在本文中,我们将介绍 Java 中的冒泡排序 算法 ,包括其实现和示例代码。冒泡排序 算法 的基本原理是:重复地遍历数组中的元素,比较相邻的两个元素,并根据需要交换它们的位置,直到整个数组都已经排好序。 下面是冒泡排序 算法 Java 代码实现:public static void bubbleSort(int[] arr) { int n = arr.length; for (int i = 除了上述的普通冒泡排序 算法 之外,还有一种优化过的冒泡排序 算法 ,称为鸡尾酒排序(又称双向冒泡排序)。 这种 算法 可以减少排序所需的时间,特别是当数组中存在大量的有序元素时。 下面是鸡尾酒排序 算法 Java 代码实现:public static void cocktailSort(int[] arr) { int n = arr.length; int left =

    137 2 0