运筹理论与案例实现01： 包含分段线性约束的优化问题(Python+Cplex版本)

目录

1 什么是分段线性函数

2 Cplex语法

2.1 分段点加斜率方式

2.2 第一段和最后一段斜率加断点坐标模式

3 优化案例

3.1 问题描述

3.2 数学模型

3.3 凸和凹非线性成本函数的差异

 3.4 非线性运输问题模型

4 Python+Cplex的源码实现

4.1 源码

4.2 运行日志

---

1 什么是分段线性函数

在许多问题中，可能既包含着纯线性函数，也包含着分段线性函数。在这一节，我们使用运输问题解释处理分段线性模型的各种方法。

从几何的观点，下图为一个经典的分段线性函数。这个函数由四条线段构成，分段点为4、5 和 7。这三个分段点，将整个函数分为(-∞, 4) 、 [4, 5) 、 [5, 7) 和 [7, ∞) 四个区间。

每个区间内线段的斜率是一个常数，但不同区间之间的线段斜率是不同的。斜率的变化的点就是分段点。

图1 分段线性函数示意图

分段线性函数常用于表示或逼近非线性一元函数。

2 Cplex语法

2.1 分段点加斜率方