Python之建模规划篇 |
您所在的位置:网站首页 › 整数规划隐枚举法 › Python之建模规划篇 |
Python之建模规划篇--整数规划
基本介绍整数规划的分类整数规划的特点求解方法分类0 - 1 型整数规划蒙特卡洛法 (随机取样法)整数线性规划的计算机求解分枝定界法Python 实现 (分支定界代码)
基本介绍
规划中的变量(部分或全部)限制为整数时,称为整数规划。若在线性规划模型中,变量限制为整数,则称为整数线性规划。目前所流行的求解整数规划的方法,往往只适用于整数线性规划。目前还没有一种方法能有效地求解一切整数规划。 整数规划的分类如不加特殊说明,一般指整数线性规划。对于整数线性规划模型大致可分为两类: 变量全限制为整数时,称纯(完全)整数规划。变量部分限制为整数的,称混合整数规划。 整数规划的特点 原线性规划有最优解,当自变量限制为整数后,其整数规划解出现下述情况: ①原线性规划最优解全是整数,则整数规划最优解与线性规划最优解一致。 ②整数规划无可行解![]() 0 −1型整数规划是整数规划中的特殊情形,它的变量 xj 仅取值0或1。这时xj 称为0−1变量,或称二进制变量。xj 仅取值0 或1 这个条件可由下述约束条件: 蒙特卡洛方法也称为计算机随机模拟方法,它源于世界著名的赌城一摩纳哥的Monte Carlo(蒙特卡洛)。它是基于对大量事件的统计结果来实现–些确定性问题的计算。使用蒙特卡洛方法必须使用计算机生成相关分布的随机数,Matlab和python等各种编程语言都给出了生成各种随机数的命令。 如,给个例子 编写M文件mainint.m如下求问题的解 rand('state',sum(clock)); %初始化随机数发生器 p0=0; tic %计时开始 for i=1:10^6 x=randi([0,99],1,5); %产生一行五列的区间[0,99]上的随机整数 [f,g]=mengte(x); if all(g |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |