一每辟、cplex項(xiàng)目模板
一般一個(gè)的cplex項(xiàng)目,一般分為五個(gè)模塊包斑,分別是創(chuàng)建模型流礁、定義優(yōu)化參數(shù)、設(shè)置目標(biāo)函數(shù)罗丰、設(shè)置約束和模型求解及輸出神帅。下面針對(duì)這五個(gè)模塊使用cplex的Java API來(lái)進(jìn)行介紹。
1.1 創(chuàng)建模型
即在內(nèi)存中開(kāi)辟一個(gè)空間來(lái)實(shí)例化IloCplex類(lèi)萌抵;
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)找御,常見(jiàn)的參數(shù)類(lèi)型包括單個(gè)變量、一維及二維數(shù)組類(lèi)型绍填。
1.2.1 單變量定義
在實(shí)際生產(chǎn)問(wèn)題中霎桅,常見(jiàn)的變量類(lèi)型就實(shí)數(shù),整數(shù)比較常見(jiàn):
○ 實(shí)數(shù)型變量 cplex.numVar
○ 整數(shù)型變量 cplex.intVar
單變量參數(shù)讨永,主要是值變量的取值范圍滔驶,例如該變量取值范圍為,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(wú)窮到正無(wú)窮卿闹;比如cplex.numVar(0,5)揭糕,表示
萝快。
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)著角,這樣定義的就是三個(gè)定義域相同的變量杠巡;
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]雇寇,[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蚌铜,約束一般是設(shè)定一個(gè)表達(dá)式的取值范圍锨侯,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冬殃。
1.3.1 定義表達(dá)式
官方根據(jù)表達(dá)式類(lèi)型的不同提供了不同的接口囚痴,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(lèi)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(lèi)型選擇合適自己的接口形式,比如审葬,屬于線性類(lèi)型深滚,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(shuō)明涣觉。盡管官方為不同形式的表達(dá)式提供了不同的接口痴荐,但是存在一定的問(wèn)題,比如無(wú)法在一次線性規(guī)劃表達(dá)式中添加二次項(xiàng)官册,當(dāng)表達(dá)式比較復(fù)雜的時(shí)候通常不止一種類(lèi)型生兆。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(kù)中的加減乘除來(lái)添加任何形式的表達(dá)式膝宁。
先創(chuàng)建模型Ilocplex cplex = new IloCplex(); 然后通過(guò)cplex.xxx的方式使用模型中的各種運(yùn)算方法鸦难,常用的包括:
方法 | 說(shuō)明 |
---|---|
sum | 求和 |
diff | 求差 |
prod | 乘積 |
abs | 絕對(duì)值 |
有了以上這四種方法基本就可以應(yīng)對(duì)大部分的表達(dá)式了,比如员淫,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合蔽,但是代碼可讀性增強(qiáng)了,所以這種方式會(huì)更好介返,再比如拴事,求變量x的平方和絕對(duì)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(shuō)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(shuō)明 |
---|---|
cplex.addEq(cs,a) | |
cplex.addLe(cs,a) | |
cplex.addGe(cs,a) | |
cplex.addRange(a,cs,b) |
在添加了約束后我們可以通過(guò)cplex.diff(cs,cs)來(lái)清空表達(dá)式cs,然后就可以在cs中添加新的表達(dá)式映皆。
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(guò)循環(huán)來(lái)定義新的表達(dá)式挤聘,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(huì)爆出內(nèi)存溢出的錯(cuò)誤捅彻,因此更推薦使用第二種方式组去。
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(shuō)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(shuō)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(wú)界的 |
Unbounded | 模型是無(wú)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題目步淹,具體應(yīng)用場(chǎng)景請(qǐng)參考教材从隆。
目標(biāo)函數(shù):
約束條件:
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)果獲悉诚撵,該問(wèn)題為L(zhǎng)P(線性規(guī)劃)求解問(wèn)題,迭代了一次键闺,對(duì)偶目標(biāo)解為14寿烟,解的狀態(tài)為Optimal,即找到了一個(gè)最優(yōu)的解決方案辛燥,目標(biāo)函數(shù)的最優(yōu)解為14筛武,對(duì)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題目挎塌,具體應(yīng)用場(chǎng)景請(qǐng)參考教材徘六。
目標(biāo)函數(shù):
約束條件:
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(wèn)題為L(zhǎng)P(線性規(guī)劃)求解問(wèn)題榴都,迭代了一次待锈,對(duì)偶目標(biāo)解為10,解的狀態(tài)為Optimal嘴高,即找到了一個(gè)最優(yōu)的解決方案竿音,目標(biāo)函數(shù)的最優(yōu)解為16,對(duì)應(yīng)的變量x2拴驮、x3春瞬、x4分別取40、30和20套啤。這好像和教材上的解不一樣快鱼,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套鋼材纲岭。這里似乎出現(xiàn)了第二個(gè)最優(yōu)解抹竹,這也是實(shí)際問(wèn)題中經(jīng)常出現(xiàn)的情況,多個(gè)最優(yōu)解止潮,這里在下一節(jié)進(jìn)行討論窃判。