其他文章:
通过0-1背包问题看穷举法、贪心算法、启发式算法(JAVA)
java集成Cplex:Cplex下载、IDEA环境搭建、docker部署
windows下cplex12.6.3的下载、安装、IDE编程及相关问题解决
windows下cplex20.1.0启动报错: ilog.odms.ide.opllang.IloOplLangPlugin
参考B站视频:cplex入门到精通
CPLEX求解器入门案例
官方中文JAVA手册:https://www.ibm.com/docs/zh/icos/12.9.0?topic=application-structure
cplex是IBM开发的一款线性规划问题的求解器。
一、适用范围
cplex适用于求解的问题类型:
CPLEX的适用范围:
1.适用于一般的线性规划(LP)问题.
2.CPLEX 还可对 LP 的多个扩展求解:
2.1.网络流问题,是 LP 的一种特殊情况,CPLEX 可以通过利用问题结构以快得多的速度对其求解。
2.2.二次规划 (QP) 问题,其中 LP 目标函数扩展为包括二次项。
2.3.二次约束规划 (QCP) 问题,在约束中包括二次项。 实际上,CPLEX 可对二阶锥规划 (SOCP) 问题求解。
2.4.混合整数规划 (MIP) 问题,其中任意或所有 LP、QP 或 QCP 变量都进一步限制为采用最优解法中的整数值,并且 MIP 自身扩展为包括诸如特殊有序集合 (SOS) 和半连续变量之类的构造。
二、求解步骤
- 创建(IloCplex)
- 构建变量(IloNumVar)
- 构建表达式(IloNumExpr、IloLinearNumExpr)
- 构建目标函数(IloObjective)
- 构建约束条件(IloRange)
- 求解
- 获得求解的结果精确信息
三、编码测试
package com.wuxiaolong.cplex;
import ilog.concert.*;
import ilog.cplex.IloCplex;
/**
* 测试模型:
* 目标函数: max y = x[0] + 2*x[1] + 3*x[2]
* 约束条件: -x[0] + x[1] + x[2] <= 20.0 0<= x[i] <=100
*/
public class Test1 {
public static void main(String[] args) throws Exception{
try{
// 1.创建模型
/**
* 第一个任务是创建 IloCplex 对象。 它用于创建表示模型所需的所有建模对象。
* 例如,通过调用 model.intVar(0, 10) 来创建具有界限 0 和 10 的整数变量,其中 model 是 IloCplex 对象。
*/
IloCplex model = new IloCplex();
/**
* 类 IloCplex 实现 接口 IloModeler 及其扩展 IloMPModeler 和 IloCplexModeler。
* 这些接口为以下类型的建模对象(可与 IloCplex 一起使用)定义构造函数:
*
* 建模类 描述
* IloNumVar 建模变量
* IloRange 类型为 lb <= expr <= ub 的范围约束
* IloObjective 优化目标
* IloNumExpr 使用变量的表达式 表达式可用于为模型创建约束或目标函数
*
*/
// 2.IloNumVar 构建变量
// 以下说明如何创建三个连续变量(全部具有界限 0 和 100):
IloNumVar[] x = model.numVarArray(3, 0.0, 100.0);
// 3.IloNumExpr 构建表达式
// 建模变量构建类型为 IloNumExpr 的表达式,以供在优化模型的约束或目标函数中使用。 例如,表达式: x[0] + 2*x[1] + 3*x[2]
IloNumExpr expr1 = model.sum( // 求表达式的和
x[0],
model.prod(2.0, x[1]), // 求表达式的积
model.prod(3.0, x[2])
);
// // 3.IloLinearNumExpr 构建表达式
// // 创建表示同一表达式的对象的另一种方法是使用表达式 IloLinearNumExpr。优点在于可以更轻松在循环中构建线性表达式。
// // 接口 IloLinearNumExpr 是 IloNumExpr 的扩展,因此可在能够使用表达式的任意位置进行使用。
// IloLinearNumExpr expr2 = model.linearNumExpr();
// expr2.addTerm(1.0, x[0]);
// expr2.addTerm(2.0, x[1]);
// expr2.addTerm(3.0, x[2]);
// 4.构建目标函数
// 在其求解的模型中使用该目标 model.addMaximize() model.addMinimize()
// 创建和添加目标有一种快捷表示法:
IloNumExpr object = expr1;
IloObjective iloObjective = model.addMaximize(object);
// 5.构建约束条件
// 向模型中添加约束 例如,约束: -x[0] + x[1] + x[2] <= 20.0
IloRange iloRange = model.addLe(model.sum(model.negative(x[0]), x[1], x[2]), 20);
//同样,为添加其他约束类型(包括等同性约束、大于或等于约束和范围约束)提供了许多方法。
// 在内部,它们全部表示为具有相应界限选项的 具有相应界限选择的 IloRange 对象,因此所有这些方法才会返回 IloRange 对象。
// 另请注意,可能已通过许多不同方式创建先前表达式,包括使用 IloLinearNumExpr。
// 6.求解
// 该方法返回布尔值以指示优化是否成功找到解法。 如果未找到解法,那么会返回 false。
// 如果返回 true,那么表明 CPLEX 找到可行解法,尽管其未必是最优解法。
// 可以从 getStatus 方法获取有关上次调用 solve 方法的结果的更精确信息。
boolean solve = model.solve();
// 7.获得求解的结果精确信息
// 返回值告诉您 CPLEX 找到的有关模型的信息:它找到最优解法还是仅找到可行解法;
// 它证明模型无边界还是不可行;或者此时是否尚未证明任何内容。
// 通过 getCplexStatus 方法可获取有关终止优化器调用的甚至更详细的信息,参考https://www.ibm.com/docs/en/icos/12.9.0?topic=c-ilocplexstatus。
if(solve){
model.output().println("解的状态: " + model.getStatus());
model.output().println("目标函数值: " + model.getObjValue());
// 对应的未知变量的值
double[] xVal = model.getValues(x);
String msg = "";
for( double t : xVal){
msg = msg + t + " ";
}
model.output().println("决策变量取值(按顺序): " + msg);
}else {
model.output().println("未找到解法");
}
// 8.关闭求解器
// 一定要关闭求解器,否则会内存泄漏
model.end();
}catch (IloException e){
// 捕获Cplex定义的异常
System.out.println("模型出错了"+e.getMessage());
}catch (Exception e){
// 系统未知异常
System.out.println("未知异常"+e.getMessage());
}
}
}
四、运行结果
五、官方案例
安装完成cplex后,在安装目录里有很多案例可以看。
JAVA参考案例:
https://www.ibm.com/docs/zh/icos/12.9.0?topic=cplex-java-examples