总结10（11.8-11.14）

最新推荐文章于 2024-10-14 09:08:48 发布

xyjaxx.

最新推荐文章于 2024-10-14 09:08:48 发布

阅读量174

点赞数 1

分类专栏：硕士学习总结

本文链接：https://blog.csdn.net/xyjaixuexi/article/details/121326669

版权

mindopt 线性规划 python 约束优化变量范围

关键词由CSDN通过智能技术生成

硕士学习总结专栏收录该内容

14 篇文章 4 订阅

订阅专栏

本周主要是对考试科目进行复习，然后成功安装了了mindopt的python软件包，并用python语言运行了其中的案例。然后运行了fista算法对二维地震数据的重构，并已经改写好了的相应的ista算法。下面是在python中调用mindopt库对线性规划问题的求解。

对以下问题求解：

*  Minimize
 *    obj: 1 x0 + 1 x1 + 1 x2 + 1 x3
 *  Subject To
 *   c1 : 1 x0 + 1 x1 + 2 x2 + 3 x3 >= 1
 *   c2 : 1 x0 - 1 x2 + 6 x3 = 1
 *  Bounds
 *    0 <= x0 <= 10
 *    0 <= x1
 *    0 <= x2
 *    0 <= x3

1.创建模型

from mindoptpy import *

if __name__ == "__main__":

    MDO_INFINITY = MdoModel.get_infinity()

    model = MdoModel()

2.输入模型参数

 try:
        model.set_int_attr("MinSense", 1) #最小化问题

        # 添加空白约束
        cons = []
        cons.append(model.add_cons(1.0, MDO_INFINITY, None, "c0"))
        cons.append(model.add_cons(1.0, 1.0,          None, "c1"))
        
        # 约束条件相应参数
        col = []
        for j in range(4):
            col.append(MdoCol())
        col[0].add_term(cons[0], 1.0)#x0的系数
        col[0].add_term(cons[1], 1.0)
        col[1].add_term(cons[0], 1.0)
        col[2].add_term(cons[0], 2.0)
        col[2].add_term(cons[1], -1.0)
        col[3].add_term(cons[0], 3.0)
        col[3].add_term(cons[1], 6.0)

        
        # 变量的范围约束
        x = []
        x.append(model.add_var(0.0,         10.0, 1.0, col[0], "x0", False))
        x.append(model.add_var(0.0, MDO_INFINITY, 1.0, col[1], "x1", False))
        x.append(model.add_var(0.0, MDO_INFINITY, 1.0, col[2], "x2", False))
        x.append(model.add_var(0.0, MDO_INFINITY, 1.0, col[3], "x3", False))

3.求解约束优化问题

 model.solve_prob()
        model.display_results()

        status_code, status_msg = model.get_status()
        if status_msg == "OPTIMAL":
            print("Optimizer terminated with an OPTIMAL status (code {0}).".format(status_code))
            print("Primal objective : {0}".format(round(model.get_real_attr("PrimalObjVal"), 2)))
            for curr_x in x:
                print(" - x[{0}]          : {1}".format(curr_x.get_index(), round(curr_x.get_real_attr("PrimalSoln"), 2)))
        else:
            print("Optimizer terminated with a(n) {0} status (code {1}).".format(status_msg, status_code))

    except MdoError as e:
        print("Received Mindopt exception.")
        print(" - Code          : {}".format(e.code))
        print(" - Reason        : {}".format(e.message))
    except Exception as e:
        print("Received exception.")
        print(" - Explanation   : {}".format(e))
    finally:
        model.free_mdl()

求解结果：