C#使用cplex求解简单线性规划问题（Cplex系列-教程二）
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了C#使用cplex求解简单线性规划问题（Cplex系列-教程二），小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5025字，纯文字阅读大概需要8分钟。
内容图文
若还未在项目中添加cplex的引用，可以参阅上一篇文章。本文主要介绍利用C#求解线性规划的步骤，对线性规划模型进行数据填充的两种方法，以及一些cplex函数的功能和用法。包括以下几个步骤：
描述
先花时间理清问题。明确决策变量及其取值范围，目标函数，约束条件，已知的数据。后面代码的编写也是沿着这个思路，先理清问题后面的工作会更有效率。以如下问题为例：
先建立数学模型：
令：i产品在j机器上加工的小时数为xij
决策变量：x11,x12,x21,x22
目标函数：Min(z)=50x11+70x12+50x21+70x22
约束条件：
x12+x22<=112,
x11+x21<=104,
20x11+40x12=3200,
10x21+30x22=2000,
xij>=0(i=1,2;j=1,2)
模型
创建模型对象
//实例化一个空模型 Cplex cplexModel = new Cplex();
方法1：使用行方法填充模型
//生成决策变量并约束范围
INumVar[][] deVar=new INumVar[1][];//交叉数组用于存储决策变量
double[]lb= {0.0, 0.0, 0.0,0.0}; //lb(low bound)与ub定义决策变量的上下界
double[]ub={double.MaxValue,double.MaxValue,double.MaxValue,double.MaxValue};
string []deVarName={"x11","x12","x21","x22"};//决策变量名
INumVar[]x=cplexModel.NumVarArray(4,lb,ub,deVarName);//生成决策变量
deVar[0]=x;
//生成目标函数
double[]objCoef={50.0,70.0,50.0,70.0};//目标函数系数(object coefficient)
cplexModel.AddMinimize(cplexModel.ScalProd(x, objCoef));//数量相乘（scalar product）
//生成约束条件
IRange[][] rng = new IRange[1][];//存放约束
rng[0] = new IRange[4];
//AddLe为<=，AddGe为>=,AddEq为=
rng[0][0] = cplexModel.AddLe(
cplexModel.Sum(cplexModel.Prod(1.0, x[3]),
cplexModel.Prod( 1.0, x[1])), 112.0, "c1");
rng[0][1] = cplexModel.AddLe(
cplexModel.Sum(cplexModel.Prod(1.0, x[0]),
cplexModel.Prod( 1.0, x[2])), 104.0, "c2");
rng[0][2] = cplexModel.AddEq(
cplexModel.Sum(cplexModel.Prod(20.0, x[0]),
cplexModel.Prod( 40.0, x[1])), 3200.0, "c3");
rng[0][3] = cplexModel.AddEq(
cplexModel.Sum(cplexModel.Prod(10.0, x[2]),
cplexModel.Prod( 30.0, x[3])), 2000.0, "c4");
方法2：使用列方法填充模型
IObjective obj =cplexModel.AddMinimize();//目标函数，此时是空的
//约束
IRange[][] rng=new IRange[1][];
rng[0]=new IRange[4];
rng[0][0] = cplexModel.AddRange(-double.MaxValue, 112.0, "c1");//<=112
rng[0][1] = cplexModel.AddRange(-double.MaxValue, 104.0, "c2");
rng[0][2] = cplexModel.AddRange(3200.0,3200.0, "c3");//=3200
rng[0][3] = cplexModel.AddRange(2000.0,2000.0, "c4");
//简化引用的书写
IRange r0 = rng[0][0];
IRange r1 = rng[0][1];
IRange r2 = rng[0][2];
IRange r3 = rng[0][3];
//决策变量
INumVar[][]deVar=new INumVar[1][];
deVar[0]=new INumVar[4];//4个决策变量
deVar[0][0] = cplexModel.NumVar(cplexModel.Column(obj, 50.0).And(
cplexModel.Column(r1, 1.0).And(
cplexModel.Column(r2, 20.0))),
0.0, double.MaxValue, "x11");//最后一行为取值和名称
deVar[0][1] = cplexModel.NumVar(cplexModel.Column(obj, 70.0).And(
cplexModel.Column(r0, 1.0).And(
cplexModel.Column(r2, 40.0))),
0.0, double.MaxValue, "x12");
deVar[0][2] = cplexModel.NumVar(cplexModel.Column(obj, 50.0).And(
cplexModel.Column(r1, 1.0).And(
cplexModel.Column(r3, 10.0))),
0.0, double.MaxValue, "x21");
deVar[0][3] = cplexModel.NumVar(cplexModel.Column(obj, 70.0).And(
cplexModel.Column(r0, 1.0).And(
cplexModel.Column(r3, 30.0))),
0.0, double.MaxValue, "x22");
求解模型并展示
if (cplexModel.Solve())
{
int nvars = cplexModel.GetValues(deVar[0]).Length;
for (int j = 0; j < nvars; ++j)
{
cplexModel.Output().WriteLine("Variable " + j +": Value = " + cplexModel.GetValues(deVar[0])[j] );
}
}
导出模型
cplexModel.ExportModel("lpex1.lp");
文件在“你的项目\bin\debug”显示如下图：
完整代码和求解结果
using ILOG.Concert;
using ILOG.CPLEX;
using System;
public class LPex1
{
public static void Main(string[] args)
{
try
{
//实例化一个空模型
Cplex cplexModel = new Cplex();
//生成决策变量并赋值
INumVar[][] deVar = new INumVar[1][];
double[] lb = { 0.0, 0.0, 0.0, 0.0 };
double[] ub = { double.MaxValue, double.MaxValue, double.MaxValue, double.MaxValue };
string[] deVarName = { "x11", "x12", "x21", "x22" };
INumVar[] x = cplexModel.NumVarArray(4, lb, ub, deVarName);
deVar[0] = x;
//目标函数
double[] objCoef = { 50.0, 70.0, 50.0, 70.0 };//目标函数系数(object coefficient)
cplexModel.AddMinimize(cplexModel.ScalProd(x, objCoef));
//约束条件
IRange[][] rng = new IRange[1][];
rng[0] = new IRange[4];
rng[0][0] = cplexModel.AddLe(cplexModel.Sum(cplexModel.Prod(1.0, x[3]),
cplexModel.Prod(1.0, x[1])), 112, "c1");
rng[0][1] = cplexModel.AddLe(cplexModel.Sum(cplexModel.Prod(1.0, x[0]),
cplexModel.Prod(1.0, x[2])), 104.0, "c2");
rng[0][2] = cplexModel.AddEq(cplexModel.Sum(cplexModel.Prod(20.0, x[0]),
cplexModel.Prod(40.0, x[1])), 3200.0, "c3");
rng[0][3] = cplexModel.AddEq(cplexModel.Sum(cplexModel.Prod(10.0, x[2]),
cplexModel.Prod(30.0, x[3])), 2000.0, "c4");
cplexModel.ExportModel("lpex1.lp");
if (cplexModel.Solve())
{
int nvars = cplexModel.GetValues(deVar[0]).Length;
for (int j = 0; j < nvars; ++j)
{
cplexModel.Output().WriteLine("Variable " + j +": Value = " + cplexModel.GetValues(deVar[0])[j] );
}
}
cplexModel.End();
}
catch (ILOG.Concert.Exception e)
{
System.Console.WriteLine("Concert exception '" + e + "' caught");
}
Console.ReadKey();
}
}
决策变量较多时，请使用循环。本文重在入门和对cplex库中一些概念的理解。
内容总结
以上是互联网集市为您收集整理的C#使用cplex求解简单线性规划问题（Cplex系列-教程二）全部内容，希望文章能够帮你解决C#使用cplex求解简单线性规划问题（Cplex系列-教程二）所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。
来源：【匿名】