主要内容

线性规划与混合整数线性规划

解决具有连续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:基于问题或基于解算器。有关详细信息,请参阅首先选择基于问题或基于求解器的方法

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。关于要采取的基于问题的步骤,请参见基于问题的优化工作流.为了解决由此产生的问题,使用解决

有关要采取的基于解算器的步骤,包括定义目标函数和约束,以及选择适当的解算器,请参见基于求解器的优化问题设置.为了解决由此产生的问题,使用intlinprog当存在整数约束时,或使用linprog当没有整数约束时。

功能

全部展开

评估 评估优化表达式
findindex 查找命名索引变量的等效数字索引
不可能实行 某一点上的约束冲突
最优化问题 创建优化问题
optimvar 创建优化变量
prob2struct 将优化问题或方程问题转化为求解形式
解决 解决优化问题或方程问题
intlinprog 混合整数线性规划(MILP)
linprog 解线性规划问题
mpsread 读取LP和MILP优化数据的MPS文件

实时编辑器任务

优化 在Live Editor中优化或求解方程

话题

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

简单的混合整数线性规划的例子。

工厂、仓库、销售分配模型:基于问题

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。

基于问题的旅行商问题

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

这个例子展示了如何安排两个燃气发电机的最佳,意思是获得最大的收入减去成本。

基于二进制整数规划的办公室分配:基于问题的

本例展示了如何使用优化问题方法通过二进制整数规划解决分配问题。

混合整数二次规划组合优化:基于问题的

这个例子展示了如何使用基于问题的方法来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

本例显示了如何使用带有整数线性规划子程序的线性规划来解决下料问题。

最小化并行处理中的Makespan

最小化一组处理器完成一组任务的最大时间。

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编程解决数独难题。

基于求解器的混合整数线性规划

混合整数线性规划基础:基于求解器

简单的混合整数线性规划的例子。

工厂、仓库、销售分配模型:基于解算器

小型供应链中优化物流的示例。

基于求解器的旅行商问题

经典的旅行推销员问题,包括设置和解决方案。

基于求解器的发电机优化调度

示例显示了在存在激活成本时如何安排发电。

二进制整数规划的办公室分配:基于求解器

使用二进制整数规划解决分配问题。

基于求解器的混合整数二次规划组合优化

这个例子展示了如何优化一个投资组合,一个二次规划问题,有整数和其他约束。

基于求解器的下料问题

使用带整数规划子程序的线性规划解决下料问题。

通过整数规划解决数独难题:基于解算器

数独是一种可以用整数线性规划来解决的难题。

运用线性规划

建立一个基于问题的线性规划

使用基于问题的方法的线性问题的表述。

使用线性规划实现长期投资最大化:基于问题

使用线性规划和基于问题的方法优化确定性多周期投资问题。

在基于问题的框架下建立多周期库存模型

以基于问题的方法创建一个库存模型,在该模型中,库存在两个时间段之间进行。

Solver-Based线性规划

建立一个线性规划,基于解算器

使用基于解算器的方法制定问题。

典型线性规划问题

此示例显示了一个典型线性规划问题的解决方案。

研究线性不可行性

找出导致问题不可行的线性约束。

使用线性规划实现长期投资最大化:基于解算器

使用线性规划优化确定性多周期投资问题。

具体问题具体分析的算法

基于问题的优化算法

优化函数和对象如何解决优化问题。

金宝app对优化变量和表达式支持的操作

列出优化变量和表达式的所有可用数学和索引操作。

基于解算器的算法和选项

线性规划算法

最小化线性目标函数N只有线性约束的维度。

混合整数线性规划算法

求解混合整数线性规划的算法。

优化选择参考

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

如何监控进度intlinprog解决过程。