- 博客(93)
- 收藏
- 关注
RSS订阅原创 数据实验部分结果展示的角度
（2）算法各阶段去掉后的结果对比，如原算法包含ABC三个模块，对比的维度可以是A，A+B，A+C，A+B+C。以此来表示各模块的必要性。在论文的结果展示部分，需要多维度地展示本文的工作（丰富内容）。（1）不同的算例规模，比如n*m的不同规模，汇总同一n不同m，同一m不同n。（3）多目标优化中衡量解维度的指标，如DI_R和ρ_L。（1）找到最优解算例个数（未找到最优解的算例个数）（3）灵敏度分析中，不同参数的差异对比。（3）gap值，可行解与松弛解的差距。（1）均值，最大值，最小值。（2）多目标的不同结果。
2024-04-24 17:28:47
161
原创 逻辑benders分解
benders分解是指把问题分解为主问题和子问题。主问题松弛后得到的信息输入到子问题中，求解中去。加入的割可以提升主问题的下界（主问题提供的解），继续反馈给子问题后，降低了上界（子问题提供的解），直到上下界相等，求解完成。经典的benders分解，指的是子问题是线性规划问题；基于整数的benders分解，指的是子问题是整数规划；而基于逻辑的benders分解，指的是子问题返给主问题的割是根据逻辑得到的割。对于调度问题，通常有以下几种。
2024-04-12 21:00:59
1190
2
原创 gurobi不同版本切换
新版本是大的迭代更新，求解问题的效率和精度都会提升。官方人员一般会建议我们安装最新的版本，此外，写论文审稿专家也会建议我们使用较新的版本。参见我之前的文章，win+R输入regedit，然后把ProxyEnable的属性由1变0就可以了。但其实我们可以不卸载，在Anaconda Prompt的界面直接切换。切换的是gurobipy的版本。从我们现装的版本切换到新版本。我以往的做法是卸载，卸载完后一般系统会提示电脑重启。可以看到，我们安装了10.0.2版本。可以看到，已成功卸载11.0.1版本。
2024-04-10 20:02:04
420
原创 公式里的花体/空心字体
在26个英文字母不够用的情况下，可以采用花体，空心字体。在mathtype中改变格式就可以了。具体可以参见这篇文章。模型表示时，最好用单字母。
2024-03-10 14:15:18
361
原创 gurobi求解过程中修改参数是不起作用的
我做了一个试验，批量求解模型。在求解模型时，改变某一参数取值，发现后续模型求解时用的还是之前设定的参数。也就是说，参数没修改过来，还用的是老参数。3.设置参数（参数设置方法，以及参数取值，意义可以去翻gurobi官方指导手册refman.pdf，写得非常详细）；4.构建变量，约束，求解。
2024-03-05 16:25:23
319
原创 latex直接去除标记的颜色\usepackage[monochrome]{color}
在论文返修投稿时，有的期刊要求Revised Manuscript (Clean version)，就是去除标记的颜色。本质是只使用一种颜色，只加载单色选项的color或xcolor包。注意，代码放在\begin{document}之前。
2024-02-05 20:46:31
570
原创 正交试验DOE
举个例子，比如遗传算法中的种群数pop，交叉概率pr，变异概率pm，以及迭代次数N，每个参数我们初始定为3个值，那么想要确定最优的参数组合需要设计3^4=81次试验，才能确定下来。这样的试验规模太大了，采用正交试验的方法只需要进行L27=L3^4（3水平4因子），27次试验就可以确定出最优的参数组合。一开始举的例子中，因子数是4个，分别是pop，pr，pm，以及N。如，下面这张图，可以确定最终的参数组合取值，N为第3水平，R为第三水平，Limit为第三水平，β1&β2&γ都为第三水平。
2023-11-13 14:43:01
963
原创 Pandoc超级强大的转换工具
我这边运行出了点小问题，记录下来。提醒自己下次怎么用，也帮助有缘人少走弯路。1.windows版本 安装（1）进入上面链接，或者直接进：进行下载msi格式。（2）直接运行安装，advance选择安装路径，自动安装。2.测试我直接进入安装界面运行pandoc.exe，没反应，，，所以我的方法是这样的。（1）cmd进入命令行（2）cd进入自己的安装目录，然后运行命令行进行测试然后我看到安装目录里出现test.html命令，这就说明我的安装是没问题的。页眉和页脚。
2023-11-03 09:26:38
329
原创 优化模型的关键：ARR
Principle ARR – Shu-Cherng Fang• Approximation – “accept good-enough” to make problem easy• Reformulation – “change view” to make the problem clear and simple• Relaxation – “drop difficulties” to get a bound of the problem• Decomposition – “reduce dime
2023-11-02 11:16:49
170
原创 求解器求解过程中gap没有太大变化怎么办？
探测节点很快，节点所在的支被切掉（整数解，更差的非整数解，或不可行三种情形之一），此时求解会很快，反应在求解器的输出日志上就是，需要备探测的节点在减少。求解器用的是分支定界框架，准确的说用的是分支切割算法，在分支定界的框架中不断自动添加各种割cut，直到“所有”节点探测完毕。从公式上可以看出，当gap下降很快，要么是上界在降低（更好的整数解），要么是下界在提升（更好的下界）。gap下降很快，这种情况要么是找到了更好的上界，更小的整数解（最小化问题），要么是更好的下界，gap体现了目前求解的状态，直观的说，
2023-10-26 10:34:29
1104
原创 完成比写得好更重要，先完成初稿再说
记得当时捧着python大厚本学习，看得云里雾里，不成体系，后面工作了开始上手就慢慢学会了；latex也是一样，捧着大厚书一页页看很低效甚至没用，不如去排版，给论文排过几次版，大多数功能就会了。于是，经常做到一半跑去看文献，然后陷入文献中觉得这个比自己好，那个比自己好。于是，暂时中断手边工作，最后进度被推迟，甚至啥也没做出来。初稿非常重要，在写初稿的时候不要去考虑表达，不要去考虑语法，不要给自己使绊子。只去写，一直写，一直写就好。这是第一念，只要上手，就会慢慢拓展，自行获取知识，且这是主动的过程。
2023-10-25 22:11:56
270
原创 两个连续变量乘积线性化——McCormick envelope近似
没有完全等价的线性化方法）。要说明的是这是一种近似线性化，并不是完全等价，存在一定的误差。（McCormick envelope的形式），也叫McCormick包络。假如是两个变量z=xy，x和y是连续变量，
2023-10-12 09:24:02
3018
1
原创 设计分支定界算法关键步骤
性质是最优解中会出现的性质，那么没有出现这些性质的，不会是最优解（或者说别的解已经包含这些特征了，这个点是无用的），我们说这个点被支配，会进行砍枝操作。在研究的过程中，需要根据问题属性设计出节点的下界。对于调度问题来说，就是部分调度PS下最好的解是多少，即LB。这两点是我们设计出定制的分支定界算法的核心，是我们的工作量体现，更是影响算法表现效果的关键。推导出下界，最好是比较紧的下界，对于后续分支树有巨大好处。不同于经典分支定界的线性松弛法，即线性松弛解为下界。
2023-10-10 16:09:04
180
原创 支配规则的作用及应用——以分支定界和有效不等式为例
支配规则的作用是删去一系列被支配的节点，也就是我们说的剪支。大白话理解就是这个节点的信息太差，有比它更好的，已经包含了相应的信息，所以它没什么作用了，这样一来，剪支后的分支树叶子节点变少，我们探索就容易了。线性松弛的解大于等于UB，该枝不可能产生更好的整数解了，因为该枝的整数解比线性松弛的解还大，得到的整数解不会更新UB。对更新UB无用，所以剪支。支配规则需要我们来进行推导，也是体现我们工作量创新点，以及体现我们对问题的理解，定制化算法的关键。πx≤π0，证明左边的π更大，或者是右边的π0更小。
2023-10-10 11:27:21
238
原创 优化思考二
（2）启发式算法也挺重要的，但是怎么选择表现好的，是个问题；而且我们不是纯计算机出身，怎么发挥长处需要多想想；（1）建模很重要，建模是把现实问题抽象为数学模型的能力，是业务到算法的摆渡车，依旧重要，是核心竞争力。，这是学术喜欢用的一条路，因为好复现，又是精确解不容置疑，又体现了学术能力，也可以多学学。（2）建的模型有好坏之分，怎么建立更紧的更好的模型，是很重要的。（3）求解器不是黑箱，可以定制一些cut，优化是其中最重要的一环。翻到了两年前写文章，有了不一样的观点。，才能建好模型，表征模型；
2023-10-03 21:08:57
165
原创 分支定界、分支切割、分支定价的区别
（1）分支定界：是（本质上（2）分支切割：是。比如VRP问题中的k-paths割，即若干顾客的需求量至少需要的车辆数。（3）分支定价：将原问题重写，如VRP问题中将x_{ijk}的3-index模型改写为路径y_{r}的1-index模型（RMP）；然后根据子问题的检验数不断添加新的路径，再次求解RMP，若是非整数解则分支。需要改写模型；而且需要求解子问题（设计出有效的算法，比如标签算法，支配规则等）。别的与前两者区别不大。
2023-10-03 16:48:20
1667
1
原创 MIP精确算法的关键——确定界
MIP精确算法包含，分支定界、分支切割、分支定价还有benders分解等等。前者是以分支定界为框架的一类算法；后者是以分解为框架的一类算法。甚至还包括拉格朗日松弛等等，我觉得除了算法细则需要搞清楚外，更关键的是弄懂界。因为拉格朗日算法目前不熟，所以下面我具体总结分支定界的一类算法和benders分解算法界的确定原则。本篇以min问题为例。
2023-10-03 11:46:43
451
2
原创 gurobi属性：构造目标函数，构造列
但如果是x=m.addVar(lb=0, float(’inf’), obj=2, vtype=GRB.CONTINUOUS)，那么目标函数中会出现z=2x一项。我们常见的目标函数写法通常是定义好式子z=f(x,y,...)，然后用m.setObjective(z, GRB。如果obj=0，即该变量不出现在目标函数中，也是默认的形式，我们见得最多。添加的时候用addTerm()，删除的时候用remove()。（2）但还有一种写法，是在定义变量的时候来构造目标函数。此处的obj是变量在目标函数中的系数。
2023-10-01 17:50:01
470
原创 pip安装报错解决办法
试了很多网上的办法，不管用，依旧报错。这些方法包括，添加镜像源，更改镜像源，添加全局镜像源host；下面是成功安装的截图。
2023-08-31 15:01:50
827
2
原创 论文格式总结备忘：emf，eps 等矢量图最清晰
emf，eps 等矢量图最清晰，不会因为缩放损失分辨率，而jpeg，bmp 等点阵图就不行了。tif格式也不太清晰。
2023-07-27 14:21:48
735
原创 拉格朗日松弛与拉格朗日分解 lagrangian relaxation
拉格朗日松弛 lagrangian relaxation首先介绍下拉格朗日松弛的出发点，以及该方法所属的门类；再介绍下拉格朗日松弛法需要处理的难点和注意事项。
2023-05-27 20:59:39
4114
1
原创 matlab生成出色背景
坐标轴背景设为无色，这条更重要，通常图形背景的白色实际为坐标轴背景色。Figure－>粘贴到要粘贴的地方（比如PPT里边），就可以得到背景是透明的图片。打开.fig文件，在command中运行上面三行命令 Edit－>Copy。输入代码（默认生成的最新图片句柄）
2023-05-04 20:04:45
1774
原创 latex投稿出错，可以把latex文件当成补充材料上传
（注意不是latex补充材料，是普通的补充材料）上传，此时系统不会自动编译。——这是没办法的办法，是最后一种办法。LaTex中常见的文件格式有.tex, .bib, .cls, .sty, .bbl等，我们一般是直接上传latex，cls，bib，eps等。但有的时候，期刊系统编译会出问题，你打开pdf确认的时候发现是乱码的。是使用bibligraphy方式导入参考文献时，写参考文献的文档，这个时候可以把latex，cls，bib，eps当做。是包文件，通常使用\usepackage导入，
2023-04-27 14:41:50
1673
原创 latex数字引用参考文献
与一种正文引用对应，若是采用姓名(年份)的样式，后面参考文献是按照首字母排的，直接参考文献编译，就可以了。（3）用记事本打开bbl文档，复制里头的东西，粘贴到latex文末，然后参考文献编译，全文编译即可。latex在正文中引用参考文献可以分为两种样式，一种是“姓名(年份)”，另一种是“[1]”。在文档最末引用参考文献的地方加上下述代码，即文末按照数字从小到大显示。latex引用参考文献，分为正文里，和文末显示参考文献两部分。这个比较简单，关键的是文末显示，只有文末正常了，正文才能正常。
2023-04-26 21:02:26
5865
原创 有效不等式valid inequality和割平面cuts的区别，以及与强有效不等式的区别
一般来讲，valid inequality在模型未求解之前，就可以全部列举出来；而cuts，一般是模型求解过程中，随着迭代，才可以生成的。（我自己使用的感觉是，添加了有效不等式，与不加有效不等式相比，一开始的效果会非常明显。但是之后进程提升的效果并不明显。有效不等式valid inequality和割平面cuts是不同的两个东西。但是cuts会在之后的进程中起到作用，一点点切割可行域。个人感觉是两者都需要，关键在于对问题本身的了解和研究。但是其实，这两者的概念，也没有说分得那么清楚。
2023-04-06 16:50:43
1573
转载 Gurobi 不可行问题的冲突溯源
如果是无界的，那么可以检查变量和约束的上下界设置，是否有可能出现无界情况。feasRelaxS() 和 feasRelax() 函数的功能，是在用户原有模型基础上，为变量和约束添加松弛变量，让松弛模型变得可行，然后通过最小化松弛量来获得一个最小违反变量和约束限制的模型。这种情况下，用户可以将原模型中的变量边界和约束的 Force 属性设定为1，然后运行ComputeIIS()，那么Gurobi 只会专注在新增加的约束和变量边界上，不但溯源的时间会更短，而且提供的信息可以更容易让用户发现问题。
2023-04-06 16:39:50
1811
原创 gurobi中callback函数的使用整理
但其实不是的。model.optimize()的完整形式是model.optimize(callback=none)，既我们没有赋予括号中任何信息。但其实callback功能十分强大，在后期实现分支定价，分支切割算法的时候经常用。callback可以实现监视，干预，也就是部分程度和gurobi求解器实现交流交互，管理gurobi的优化进程。更多callback的分析可以看gurobi自带的参考资料，即refman.pdf文件。
2023-01-08 11:01:44
3370
2
原创 VRP和调度问题的主流精确算法和启发式算法
也就是说解决大规模问题，现在的主流的精确算法是BCP，与之比较的是ALNS，自适应大邻域搜索（别的什么遗传算法，粒子群等等，根本不能与之比）。BCP和ALNS的特点是用局部搜索来逼近全局搜索最优点。换句话说，开发大规模的精确算法，可以与之一比的是ALNS，别的启发式算法不要比
2022-11-26 17:10:47
2472
2
原创 浏览器打不开解决方式
如果有网络，但是浏览器打不开，比如wx聊天，腾讯会议都没问题，但是浏览器包括微信自带的浏览器都打不开。那么有两种方式可以解决。
2022-10-29 09:29:35
4445
1
原创 Opt算法：2-opt，3-opt，Or-opt，k-opt
Opt是局部搜索local search的方法，而局部搜索算法是在一组可行解的基础上，在当前解的领域内进行局部搜索产生新的可行解的过程。用在TSP和VRP问题中比较多。常见的有2-opt，3-opt，Or-opt，k-opt算法。可以分为2-opt&k-opt、Or-opt、3-opt三类。其中，2-opt是最基本的，用得也最多。K-opt是建立在2-opt基础上的。Or-opt是Or1976年博士论文设计的opt。而3-opt也是比较常见和常用的opt算法。
2022-09-18 17:41:56
10293
转载 pycharm的类，class
默认参数不必一次次传，可以通关定义“类”来实现。类包含“属性”和“方法”两个信息，属性就是默认的值了，如果在一开始就已经定义了，那后续就是默认的，不必要传入了；方法就是def函数了。然后类需要实例化才能用，实例化对象就是函数的调用。...
2022-08-25 20:22:54
1737
原创 列生成算法column generation求解思路总结篇2——CW分解
CW分解是类似的思路，也是让子问题不断生成新列添加到松弛主问题中，让松弛的主问题不断逼近一开始的原问题，直到不能改进时，可以认为松弛的主问题等价于原始问题了。
2022-07-23 16:05:46
1361
原创 元启发式算法（智能算法）的思考
启发式算法一般是指“基于规则”的方法，能够直接给出一个解。我们平时说的【智能算法】有的人也叫它启发式算法，其实不太对；或者说为了与前一种区分，通常叫做“元”启发式算法，meta-heuristics。这种通常是改进型算法，也就是通过种群或者邻域不断迭代予以改进。像邻域搜索，蚁群，蜂群等等都属于这一类。......
2022-07-02 16:15:31
2668
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人