用COPT求解整数规划数学模型(Java)

最新推荐文章于 2024-05-31 09:24:59 发布

沧浪之水NaN

最新推荐文章于 2024-05-31 09:24:59 发布

阅读量2k

点赞数 1

文章标签： java

本文链接：https://blog.csdn.net/maohuihua123/article/details/120944468

版权

前言：

看论文总是看到整数规划，0-1整数规划，混合整数规划，便研究了一下，包括问题定义，快速求解工具等。

杉数求解器

杉数求解器COPT(Cardinal Optimizer)，是杉数自主研发的针对大规模优化问题的高效数学规划求解器套件,也是支撑杉数端到端供应链平台的核心组件,是目前中国唯一一个同时具备大规模线性规划(单纯形法和内点法)和混合整数规划问题求解能力的综合性数学规划求解器，为企业应对高性能求解的需求提供了更多选择[1]。

在这里插入图片描述

如何获取

从杉数求解器官网上，可以看到，该求解器目前开放许可申请与下载，尤其是对于学术用户，拥有一年的免费试用权限，针对非学术用户，提供60天的免费试用权限。需要填写如下申请表，即可申请获取。

在这里插入图片描述

本人第一天申请，第二天就收到了邮件，可以说相当快了。邮件里包含求解器的安装包下载地址，软件密钥以及必要的说明信息。

安装与介绍

安装就很简单了，主要就是配置软件密钥。

软件安装完毕后，安装的根路径下文件夹内容如图所示：

在这里插入图片描述

bin：各种动态库以及可执行文件
doc：用户操作文档
example：编程接口调用案例
lib：通过编程接口调用需要依赖的文件

通过JAVA调用

引入jar包

在软件安装的lib文件夹下有copt.jar，复制一份到项目中，并加入到Library。

以集成环境IDEA举例：复制到项目的lib文件夹(自行创建)—>右键lib文件夹—>Add as Library 即可。
编程使用

然后就可以通过java编程使用该求解器的功能。

举例

求解问题：
$\begin{gathered} \max z=5 x_{1}+8 x_{2}\\ \text { s. t. } \quad x_{1}+x_{2} \leq 6 \\ 5 x_{1}+9 x_{2} \leq 45 \\ x_{i} \geq 0, x_{i} \in \mathbb{Z} \quad i=1,2 \end{gathered}$
代码：

  public static void main(String[] args) {
        try {
            Envr env = new Envr();
            Model model = env.createModel("myModel");

            // Add variables
            // obj: 5x + 8y
            // var:
            // 0 <= x, y
            Var x = model.addVar(0, copt.Consts.INFINITY, 5.0, Consts.INTEGER, "x");
            Var y = model.addVar(0, copt.Consts.INFINITY, 8.0, Consts.INTEGER, "y");

            // 1.添加线性约束
            // r0: x + y <= 6
            // r1: 5x + 9y <= 45
            Expr e0 = new Expr(x, 1.0);
            e0.addTerm(y, 1.0);
            model.addConstr(e0, copt.Consts.LESS_EQUAL, 6.0, "r0");

            Expr e1 = new Expr(x,5.0);
            e1.addTerm(y,9.0);
            model.addConstr(e1, Consts.LESS_EQUAL, 45.0, "r1");

            // 设置模型的参数和属性
            model.setDblParam(copt.DblParam.TimeLimit, 10);
            model.setObjSense(copt.Consts.MAXIMIZE);

            // Solve problem
            model.solve();

            // Output solution
            System.out.println("\nFound optimal solution:");
            VarArray vars = model.getVars();
            for (int i = 0; i < vars.size(); i++) {
                Var var = vars.getVar(i);
                System.out.println("  " + var.getName() + " = " + var.get(copt.DblInfo.Value));
            }
            System.out.println("Obj = " + model.getDblAttr(copt.DblAttr.BestObj));

            System.out.println("\nDone");

        } catch (CoptException e) {
            e.printStackTrace();
        }
        
    }

输出：

Cardinal Optimizer v3.0.1. Build date Oct 12 2021
Copyright Cardinal Operations 2021. All Rights Reserved

Setting parameter 'TimeLimit' to 10
Maximizing a MIP problem

The original problem has:
    2 rows, 2 columns and 4 non-zero elements
    2 integers

Presolving the problem

The presolved problem has:
    2 rows, 2 columns and 4 non-zero elements
    2 integers

Starting the MIP solver with 8 threads and 16 tasks

     Nodes    Active  LPit/n  IntInf     BestBound  BestSolution    Gap   Time
         0         1      --       0  1.000000e+30            --    Inf  0.12s
H        0         1      --       0  1.000000e+30  0.000000e+00    Inf  0.13s
H        0         1      --       0  1.000000e+30  1.300000e+01    Inf  0.13s
         0         1      --       2  4.125000e+01  1.300000e+01  68.5%  0.14s
H        0         1      --       2  4.125000e+01  3.400000e+01  17.6%  0.14s
H        0         1      --       2  4.125000e+01  3.900000e+01  5.45%  0.14s
         0         1      --       2  4.050000e+01  3.900000e+01  3.70%  0.14s
*        0         1      --       0  4.000000e+01  4.000000e+01  0.00%  0.14s
         0         1      --       0  4.000000e+01  4.000000e+01  0.00%  0.14s
         1         0      --       0  4.000000e+01  4.000000e+01  0.00%  0.14s

Best solution   : 40.000000000
Best bound      : 40.000000000
Best gap        : 0.0000%
Solve time      : 0.14
Solve node      : 1
MIP status      : solved
Solution status : integer optimal (relative gap limit 0.0001)

Violations      :     absolute     relative
  bounds        :            0            0
  rows          :            0            0
  integrality   :            0

Found optimal solution:
  x = 0.0
  y = 5.0
Obj = 40.0

Done

参考

[1]杉数求解器COPT

沧浪之水NaN

关注

1
点赞
踩
11

收藏

觉得还不错? 一键收藏
1
评论
用COPT求解整数规划数学模型(Java)

前言：看论文总是看到整数规划，0-1整数规划，混合整数规划，便研究了一下，包括问题定义，快速求解工具等。杉数求解器杉数求解器COPT(Cardinal Optimizer)，是杉数自主研发的针对大规模优化问题的高效数学规划求解器套件,也是支撑杉数端到端供应链平台的核心组件,是目前中国唯一一个同时具备大规模线性规划(单纯形法和内点法)和混合整数规划问题求解能力的综合性数学规划求解器，为企业应对高性能求解的需求提供了更多选择[1]。如何获取从杉数求解器官网上，可以看到，该求解器目前开放许可申请与.
复制链接

扫一扫