linear-programming

3熱度

3回答

我是Python的新手，看起來像它有很多靈活性並且比傳統的RDBMS系統更快。創建一個非常簡單的過程來創建隨機幻想團隊。我來自RDBMS背景（Oracle SQL），對於這種數據處理來說這似乎不是最佳的。我做了使用熊貓從CSV文件中讀取一個數據幀，現在有兩列的簡單數據框 - 球員，薪資： ` Name Salary 0 Jason Day 11700 1 Dustin J

4熱度

1回答

從gurobipy獲取矩陣格式的約束條件

我在gurobipy中對我的模型進行了編碼，我想獲得約束矩陣和成本向量。有什麼方法可以訪問這些嗎？

2熱度

2回答

Pyomo：從Python代碼訪問解決方案

我有一個線性整數程序，我想解決。我安裝了求解器glpk（感謝this answer）和pyomo。我寫這樣的代碼： from pyomo.environ import * from pyomo.opt import SolverFactory a = 370 b = 420 c = 2 model = ConcreteModel() model.x = Var([1,2]

0熱度

1回答

如何使用constrOptim建立線性不等式約束的非線性目標函數（spillman）？

我想最大化利潤函數形式（a-bc^x1）Py - （Px X1）其中a-bc^x1是溢出生產函數（y = a-bc^x1）。我將生產函數乘以表示爲Py的商品單價，將生產函數轉換爲收入函數。 Px * x1是輸入x1乘以Px的成本函數; Px是x1的單價。上述由5000因此PX的預算受限* X1 < = 5000和X1> = 0，單位價格PY和PX被100和200分別我改寫約束作爲 = X1

0熱度

2回答

提高約束添加在Gurobi（Python的接口）的性能

我得到這個決策變量： x={} for j in range(10): for i in range(500000): x[i,j] = m.addVar(vtype=GRB.BINARY, name="x%d%d" %(i,j)) 所以我需要添加約束爲每個x [I，J]變量是這樣的： for p in range(10): for u in range(50

3熱度

2回答

保持數組項之間的邊界限制

我需要爲生產隊列生成一個算法，我相信這已經解決了。它看起來像一個標準的問題，但我找不到任何引用，所以我有點不解...... 比方說，我有一個項目數組包含兩個值：起始日期 delivery_date 項目在start_date之前不能進入隊列，並且應該在delivery_date之前退出隊列。也就是說，每個項目都應該在間隔（start_date，delivery_date）中進行「處理」。 min

1熱度

1回答

釋放lpsolve內存

我正在致力於一個C++項目，涉及使用lpsolve版本5.5解決許多線性程序。我遇到內存泄漏問題。我寫了一些測試代碼： int main(){ for(int i = 0; i < 100; i++){ lprec* lp = make_lp(0, 5000); //0 rows, 5000 columns set_verbose(lp, IMPORTANT);

-3熱度

1回答

ř線性規劃

實施例1 使用R，以與上述類似的方式，解決了以下問題：的方便，花花公子公司製造三種類型的廚房用具（A，B和C）的。要使這些設備類型的每個只需要兩個輸入 - 人工和材料。 A的每個單位需要 7小時的勞動力和4公斤的材料;對於每個B單位制作的要求是3小時的勞動力和4 Kg的材料，而對於C的單位要求是6小時的勞動和5 Kg的材料。該公司預計每A單位銷售利潤爲40歐元，B和C單位的利潤分別爲分

1熱度

1回答

使用Cplex for Matlab警告cplexlink1261：不支持的Matlab版本？

我做了一個解決混合整數線性問題（MILP）的代碼。爲了儘可能快，我的代碼使用Cplex函數來解決MILP，cplexmilp和cplexoptimset。我對cplexoptimset設置的唯一的事情就是： options =cplexoptimset ('Display','off'); 而且比我跑： x = cplexmilp(var1,var2,var3,var4,var5,var6,

0熱度

2回答

循環槽R中的一組項目

我試圖做一個線性規劃問題的模擬。該模型具有obj函數和一些約束。在這種情況下，我引入了從正態分佈隨機抽取的2個值。我然後使用for-loop模擬10.000次優化模型。我知道使用for-loop是不好的做法，但在這種情況下速度並不是我所關心的。 #List of 10000 random, normally distributed observations: Demand = rnorm(10