天天向上的专栏

如果是 intel 芯片，选择后缀是 osx 但没有 atm 的文件。如果是 M 系列芯片，要选择后缀带 osx-atm 的文件。

数学建模过程中，经常会遇到下面的表达式： x=max{y,0}" role="presentation" style="text-align: center; position: relative;">x=max{y,0}x=max{y,0}x=\max\{y, 0\} 这是一个非线性表达式，如何将这个表达

偶尔碰到一个线性化的问题：一个变量在一个区域内为一个值，在其他区域内为另一个值，即。引入一个 0-1 变量。

将 benders 分解与 SAA 方法结合在一起，就产生了随机对偶动态规划方法。这两年在论文里看到了这个方法，一般用在运输或能源规划问题中，在库存管理问题中还没见别人用过。

最近熟悉 python，也想掌握 python 下面的 cplex 的调用，查阅了相关资料，总结如下：1. cplex python API 的安装网上说的比较复杂，若直接寻找 cplex 安装文件中的 install.py 文件，往往其版本跟目前 python 运行的版本不一致。发现了一个简单的方法，直接使用 Anaconda 安装 cplex 包，因为 cplex 把自己最新的...

我发现 Numpy 中的一维数组既可以是行向量也可以是列向量：import numpy as npa = np.array([1, 2, 3, 4])In [18]: a.shape(4,)IPdb [19]: a.T.shape(4,)可以发现，一维数组的转置就是它自身。若在定义数组时，里面有两个中括号，就是一个行向量了。b = np.array([[1, 2, 3 ,4]])In [24]: b.shape(1, 4)但若 numpy 的二维数组与一维数组做矩阵乘法，一维

听说过 benders 分解几年了，一直没有细看，最近论文里面也见到，还是有必要了解一下它的基本思想与用法的。

数学规划软件 cplex 或 gurobi 都有专门的指示约束条件：约束一个变量与另外一些变量的关系，例如对于一个 0-1 变量 zzz，它与 xxx 有以下关系：x>0⇒z=1x=0⇒z=0\begin{aligned}x>0 \Rightarrow z=1\\x=0\Rightarrow z=0\end{aligned}x>0⇒z=1x=0⇒z=0​一般情况下可以使用大 M 构造成线性规划模型：x≤Mzx≥0\begin{aligned}x &\leq Mz

Gurobi 也可以用 java 调用，但相对于 python， 对于 java 调用的文档说明很少。自己摸索了下，虽然对 java 调用的方法与类支持地比较少（不像 cplex 对 java 支持地那样多），但基本满足了需求。官方文档自带的一个混合整数规划例子：/* Copyright 2018, Gurobi Optimization, LLC *//* This example formulates and solves the following simple MIP model:

对于一个数学规划问题：min⁡∑i=1nci∣xi∣s.t.Ax≥b\begin{aligned}&\min\quad &\sum_{i=1}^n c_i|x_i|\\&s.t. &\bm {Ax\geq b}\end{aligned}​mins.t.​i=1∑n​ci​∣xi​∣Ax≥b​有两种方法将其线性化，方法1：用一个中间变量 ziz_izi​，再增加两个约束条件min⁡∑i=1ncizis.t.Ax≥bxi≤zi∀i−xi≤zi∀i\beg

用 cplex 或 gurobi 构建数学规划模型时，要是求解变量或约束条件比较多，刚开始总是不成功的，经常会遇到模型非可行的情况。一般是由于约束条件输入错误导致的，但是具体哪一个约束条件呢？一个一个核实太麻烦了。发现 cplex 或者 gurobi 都提供了寻找非可行原因的一些类和方法。...

gurobi 对 python 支持的不错，我已经编写了几个规划求解的例子。每次重新编程时，之前例子里的一些知识点又忘记了，觉得很有必要总结一下。

最近看 cplex 在 java 的 callback，发现它给的 callback 例子中，都是用 IloLPMatrix 这个类放约束条件，在 IloLPMatrix 中， 每个约束条件存储在 IloRange 中。使用 IloLPMatrix 的好处是，这个类可以方便查看模型中的求解变量，约束条件。这种形式下，约束条件必须以 IloRange 形式添加。虽然 cplex 可以直接通过 ...

SOS（special ordered sets，特殊顺序集）是指一组有序集合里，顶多有一个非零值（SOS1 型），或顶多有两个非零值（SOS2 型）。这类约束单独列出来，可以加快线性规划的求解速度。1线性规划模型中使用大 M 表示的约束条件可以转化成 SOS， 不过 cplex 或者 gurobi 一般都可以自动转化。https://en.wikipedia.org/wiki/Spec...

之前一直使用 cplex， 最近也接触了 gurobi，谈谈自己对二者的优缺点感受吧。1. cplex 的优缺点使用人数最多的求解器，相关论文及论坛中关于 cplex 的问题比较多。gurobi虽然增长快，但仍然与 cplex 有一定差距。在数学建模中，cplex 不仅有自己的建模环境 Ilog，对 c， c++, java 等支持也比较充分。我发现 cplex 针对 java 有大量的类...

优化求解器如 cplex 或 gurobi，都支持直接读取线性规划建模文件 MPS 格式或 LP 格式，因此，有必要研究一下，这样就可以编写一个 mps 或 lp 文件，用不同的求解器直接算了。1. MPS 文件的理解IBM 的官方网站有一些详细的解释，参见：https://www.ibm.com/support/knowledgecenter/SSSA5P_12.6.0/ilog.odms....

1. 什么是分段线性函数Piecewise function (分段线性函数）是一组线段组成的函数（一般为连续函数）。例如下面这个函数f(x)={300+xx≤100300+100+2(x−100)100<x≤200300+100+2∗(200−100)−3(x−200)x>200f(x)=\begin{cases}300+x &amp

最近使用 java 调用 cplex， 发现 cplex 对 java 的支持比对matlab强大多了，类跟方法有几百个。但这些类和方法的注释并不是特别详细，还需要结合例子来看懂。一、 准备工作：导入 cplex 库 到 eclipse 中1. 首先从官网上下载 cplex: https://www.ibm.com/developerworks/commun

不少数学规划软件都支持对 MPS 文件的读取，例如 CPLEX，GAMES，GRUOBI 等，因此了解这个文件怎么用是非常有必要的。根据 CPLEX 的帮助文档，我将自己对 MPS 文件的理解总结如下。例如下面这个 mps 文件：NAME example.mps // 文件名字 ROWS // 行，目标函数与约束条件，L 表示小于等于，G 表示大于等于，N 表示没有大

这几天看 John Birge 与 Louveaux 的随机规划书 《Introduction to Stochastic Programming》，看到书中的 Scenario 方法。之前接触过，但没有动手计算。一个重要的约束条件是 nonanticipativity constraint，即可实施条件。现在看到书中第一章第二节的一个例题，于是就用 Cplex 把随机规划模型计算了下。调试了

as

一、首先需要在IBM的官网上下载cplex的安装包，有90天的免费试用期，够用了。二、找到CPLEX安装路径中的matlab文件夹，以及examle文件夹里面的matlab例子