Gurobi | 路径流量问题中的Entropy Term建模

本文介绍了如何使用Gurobi在路径流量问题中引入熵项,以实现流量的均匀分布,避免仅依赖最短路径。通过一个包含3条路径的OD对实例,展示了Gurobi建模的代码,最终输出显示路径流量成功平均分配。
摘要由CSDN通过智能技术生成

基于GUROBI的Entroy term建模

在路径流量估计问题中,基于熵最大,可以让路径流量更均匀地分布到不同路径中,而非仅选择最短路。以下以一个OD对,3条路径为例,给出GUROBI建模代码:

import gurobipy as gp

# the model
model_test = gp.Model()

# variable
x = model_test.addVars(3)
x_ln = model_test.addVars(3
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Jame__

人海茫茫,感谢您的支持!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值