基于Cplex的线性规划问题求解（JavaAPI）

Cplex是求解线性/整数规划问题的常用求解器之一（商用），而Java是应用非常广泛的程序开发语言。本文力争通过两个优化实例，描述清楚在Java语言下，如何调用Cplex高效求解线性/整数规划问题。

算例1：线性规划问题（Cplex解题器手册中一个简单例题LPex1.java）

$$\begin{array}{rl}\max & x_1+2x_2+3x_3\\ \text{subject to}& -x_1+x_2+x_3\le 20\\ & x_1-3x_2+x_3\le 30\\ & 0\le x_1\le 40,x_2,x_3\ge 0\end{array}$$

完整代码如下：

public static void main(String[] args) {
        // cplex求解，一般都使用try...catch...
        try {
            // 声明cplex优化模型
            IloCplex cplex = new IloCplex();

            // 设定变量上下限
            double[] lb = {0.0, 0.0, 0.0};  // 下限
            double[] ub = {40.0, Double.MAX_VALUE, Double.MAX_VALUE};  // 上限
            IloNumVar[] x = cplex.numVarArray(3, lb, ub);  // 定义优化变量：IloNumVar，3维，以及对应的边界

            // 设定目标函数
            double[] objvals = {1.0, 2.0, 3.0};  // 目标函数系数
            cplex.addMaximize(cplex.scalProd(x, objvals));  // 定义目标函数：addMaximize最大化，scalProd,连乘

            // 设定约束条件
            double[] coeff1 = {-1.0, 1.0, 1.0};  // 第一组约束条件的系数
            double[] coeff2 = {1.0, -3.0, 1.0};  // 第二组约束条件的系数
            cplex.addLe(cplex.scalProd(x, coeff1), 20.0);  // 定义第一组约束条件的系数，addLe(a,b)：a小于等于b
            cplex.addLe(cplex.scalProd(x, coeff2), 30.0);  // 定义第二组约束条件的系数

            // cplex.solve()：模型求解
            if (cplex.solve()) {
                // cplex.output()，数据输出，功能类似System.out.println();
                cplex.output().println("Solution status = " + cplex.getStatus());  // cplex.getStatus：求解状态，成功则为Optimal
                // cplex.getObjValue()：目标函数的最优值
                cplex.output().println("Solution value = " + cplex.getObjValue());
                // cplex.getValues(x)：变量x的最优值
                double[] val = cplex.getValues(x);
                for (int j = 0; j < val.length; j++)
                    cplex.output().println("x" + (j+1) + "  = " + val[j]);
            }
            // 退出优化模型
            cplex.end();

        } catch (IloException e) {
            System.err.println("Concert exception caught: " + e);
        }
    }

例题2：整数规划问题

$$a=\left[\begin{array}{ccccc}8& 7& 9& 4& 5\\ 8& 0& 7& 4& 4\\ 4& 3& 3& 8& 7\\ 7& 0& 10& 8& 7\\ 1& 1& 0& 2& 8\end{array}\right]$$$$b=\left[\begin{array}{ccccc}3& 5& 8& 10& 9\\ 7& 10& 2& 6& 2\\ 7& 3& 5& 1& 8\\ 1& 6& 7& 1& 2\\ 1& 2& 9& 2& 10\end{array}\right]$$
存在以上两个二维矩阵，要求分别从两个矩阵中的每一行，选出一个元素，使得总的数值最小化，约束条件为a和b中，相同行所选定的元素对应的列，也要相同。

$$\begin{array}{rl}\min & \sum _{i=0}^4(a_{ij}{x}_{ij}+b_{ij}{y}_{ij})\\ \text{subject to}& x_{ij}=y_{ij},\forall i,j\\ & \sum _{j=0}^4{x}_{ij}=1,\forall i\\ & \sum _{j=0}^4{y}_{ij}=1,\forall i\end{array}$$

完整代码如下：

    public static void main(String[] args) {
        int[][] a = {
                {8, 7, 9, 4, 5},
                {8, 0, 7, 4, 4},
                {4, 3, 3, 8, 7},
                {7, 0, 10, 8, 7},
                {1, 1, 0, 2, 8}
        };
        int[][] b = {
                {3, 5, 8, 10, 9},
                {7, 10, 2, 6, 2},
                {7, 3, 5, 1, 8},
                {1, 6, 7, 1, 2},
                {1, 2, 9, 2, 10}
        };
        try {
            // 声明cplex优化模型
            IloCplex model = new IloCplex();

//             定义两个二维优化变量
            IloIntVar[][] x = new IloIntVar[5][5];
            for (int i = 0; i < 5; i++) {
                for (int j = 0; j < 5; j++) {
                    x[i][j] = model.intVar(0, 4, "x[" + i + "," + j + "]");
                }
            }
            IloIntVar[][] y = new IloIntVar[5][5];
            for (int i = 0; i < 5; i++) {
                for (int j = 0; j < 5; j++) {
                    y[i][j] = model.intVar(0, 4, "y[" + i + "," + j + "]");
                }
            }
            
            // 定义目标函数
            IloLinearNumExpr objExpr = model.linearNumExpr();
            for (int i = 0; i < 5; i++) {
                for (int j = 0; j < 5; j++) {
                    objExpr.addTerm(a[i][j], x[i][j]);
                    objExpr.addTerm(b[i][j], y[i][j]);
                }
            }
            model.addMinimize(objExpr);

            // 定义约束条件
            for (int i = 0; i < 5; i++) {
                for (int j = 0; j < 5; j++) {
                    // 第一组约束
                    model.addEq(x[i][j], y[i][j]);
                }
                // 第二组约束
                model.addEq(model.sum(x[i]), 1);
                model.addEq(model.sum(y[i]), 1);
            }

            // 优化计算，输出最优解
            if (model.solve()) {
                System.out.println("最优解为：" + model.getObjValue());
                for (int i = 0; i < 5; i++) {
                    for (int j = 0; j < 5; j++) {
                        System.out.println("x[" + i + "," + j + "]: " + model.getValue(x[i][j]));
                    }
                }
            }

            // 退出优化模型
            model.end();

        } catch (IloException e) {
            throw new RuntimeException(e);
        }
    }