主要内容

线性规划与混合整数线性规划

求解具有连续变量和整数变量的线性规划问题

在开始解决优化问题之前,必须选择适当的方法:基于问题的方法或基于求解器的方法。有关详细信息,请参见首先选择基于问题或基于解决者的方法

对于基于问题的方法,创建问题变量,然后用这些符号变量表示目标函数和约束。有关要采取的基于问题的步骤,请参阅具体问题具体分析优化工作流程。要解决由此产生的问题,请使用解决

关于需要采取的基于求解器的步骤,包括定义目标函数和约束,以及选择合适的求解器,请参见基于求解器的优化问题设置。要解决由此产生的问题,请使用intlinprog当存在整数约束时,或使用线性规划问题当没有整数约束时。

功能

全部展开

估计 评估优化表达式
findindex 查找指定索引变量的数值索引等价物
不可行 在某一点上违反约束
optimproblem 创建优化问题
最佳值 创建优化变量
问题2结构 将优化问题或方程问题转换为解算器形式
解决 求解最优化问题或方程问题
intlinprog 混合整数线性规划(MILP)
线性规划问题 求解线性规划问题
mpsread 读取MPS文件的LP和MILP优化数据

住编辑任务

优化 在实时编辑器中优化或求解方程

主题

基于问题的混合整数线性规划

混合整数线性规划基础:基于问题

混合整数线性规划的简单例子。

工厂,仓库,销售分配模型:基于问题的

这个例子展示了如何建立和解决一个混合整数线性规划问题。

旅行推销员问题:基于问题

这个例子展示了如何使用二进制整数规划来解决经典的旅行商问题。

基于问题的发电机优化调度

本例显示了如何优化调度两台燃气发电机,这意味着获得最大的收入减去成本。

二进制整数规划的办公室分配:基于问题的

这个例子展示了如何用优化问题的方法用二进制整数规划来解决分配问题。

基于问题的混合整数二次规划投资组合优化

这个例子展示了如何使用基于问题的方法解决混合整数二次规划(MIQP)投资组合优化问题。

下料问题:基于问题的

这个例子展示了如何使用线性规划与整数线性规划子程序来解决下料问题。

在并行处理中最小化最大完工时间

最小化一组处理器完成一组任务的最长时间。

通过整数规划解决数独难题:基于问题

这个例子展示了如何使用二进制整数规划解决数独难题。

基于求解器的混合整数线性规划

混合整数线性规划基础:基于解算器

混合整数线性规划的简单例子。

工厂,仓库,销售分配模型:基于求解器

在一个小供应链中优化物流的例子。

旅行推销员问题:基于求解器

经典的旅行推销员问题,带有设置和解决方案。

基于求解器的发电机优化调度

演示了如何在有启动成本时安排发电。

基于二进制整数规划的办公室分配:基于解算器

用二进制整数规划解决一个分配问题。

混合整数二次规划投资组合优化:基于求解器

演示如何优化投资组合的示例,这是一个带有整数和其他约束的二次规划问题。

切削库存问题:基于求解器

用线性规划和整数规划子程序解决一个下料问题。

通过整数规划解决数独难题:基于求解器

数独是一种可以用整数线性规划解决的谜题。

基于问题的线性规划

建立一个基于问题的线性程序

使用基于问题的方法制定线性问题。

利用线性规划最大化长期投资:基于问题的

利用线性规划和基于问题的方法对一个确定性多周期投资问题进行优化。

在基于问题的框架下建立多周期库存模型

在基于问题的方法中,创建一个库存模型,在不同时间段之间进行库存管理。

基于求解器的线性规划

建立一个线性程序,基于求解器

使用基于求解器的方法进行问题的表述。

典型线性规划问题

这个例子给出了一个典型的线性规划问题的解。

利用线性规划最大化长期投资:基于求解器

利用线性规划优化一个确定性多周期投资问题。

对线性和整数问题进行建模和分析

整数与逻辑建模

使用“Big-M”和其他技术进行整数约束建模的技术。

研究线性不可行性

找出哪些线性约束导致问题不可行。

基于问题的算法

具体问题具体分析的优化算法

了解优化函数和对象如何解决优化问题。

金宝app支持优化变量和表达式的操作

探索优化变量和表达式支持金宝app的数学和索引操作。

基于求解器的算法和选项

线性规划算法

线性目标函数的极小化n仅具有线性约束和边界约束的标注。

混合整数线性规划算法

求解混合整数线性规划的算法。

优化选项参考

探索优化选项。

整定整数线性规划

改进解决方案或解决方案时间的步骤。金宝搏官方网站

intlinprog输出函数和绘图函数语法

如何监控项目的进度intlinprog解决方案的过程。