multibj.r.
＃版权所有2018，Gurobi优化狗万app足彩，LLC ##想要覆盖三个不同的集，但允许使用＃元素的共同预算。但是，该集合对＃有不同的优先级;我们通过使用多目标优化来解决这个问题。库（Matrix）库（Gurobi）＃定义原始数据地面Quize < - 20 Nsubsets < - 4预算< - 12 SET < - 列表（C（1,1,1,1,1,1，1,1,1,1，1,1,1,1，1,1，1,1，1，0,0,0,0,0,0,0,0,0，0，0，0，0，0,0，0,1，1,1，1,1，1,0,0,0，0，0,0,1，1,1，1,1），C（0,0，0,1,1,0,1，1,0,0,0,0,0,0,1，1,0,1），1,0,0），C（0,0，0,1,1,1，0,0,0,1，1,1，0,0,0,1，1,1，0,0））setobjpriority < - C（3,2,2,1）Setobjweight < - C（1.0,0.25,1.25,1.0）＃初始化模型模型< - list（）模型$Modelsense < - 'Max'模型$ModelName < - 'multiobj'＃set变量，所有这些都是二进制的，其中0,1界限。模型$Vtype < - 'B'模型$LB < - 0型号$UB < - 1模型$varnames < - paste（rep（'el'，lordsetsize），1：lindsetsize，sep =''）＃构建约束矩阵模型$a < - spmatrix（1，lindsetsize，i = rep（1，lindsetsize），j = 1：地面，x = rep（1，lindsetsize））模型$RHS < - C（预算）模型$感觉< - c（'<'）模型$CONSTRAMMES < - C（'预算'）＃设置多目标模型$multibj < - list（）for（m在1：nsubsets）{model$multiobj [[m]] < - list（）模型$multiobj [[m]]$objn < - set [[m]]模型$multiobj [[m]]$优先级< - setobjpriority [M]模型$multiobj [[m]]$重量< - setobjweight [m]型号$multiobj [[m]]$ABSTOL < - M型号$multiobj [[m]]$RELTOL < - 0.01型号$multiobj [[m]]$名称< - sprintf（'set％d'，m）模型$multiobj [[m]]$Con < - 0.0}＃保存型Gurobi_Write（型号，'multibj_r.lp'）＃set参数params < - list（）params$Poolsolutions < - 100＃优化结果< - Gurobi（型号，Params）＃捕获解决方案信息（结果）（结果$状态！='最佳'）{cat（'优化完成状态'，结果$状态，'\ n'）停止（'立即停止\ n'）}＃打印最佳解决方案cat（最佳解决方案中的选择元素：\ n'）（例如，1：lindsetsize）{if（结果$x [e] <0.9）下一只猫（'el'，e，sep =''）} cat（'\ n'）＃迭代最佳的10解决方案（'池'％）（结果））{solcount < - 长（结果$池）CAT（找到的解决方案数：'，solcount，'\ n'）if（solcount <\ n'）{solcount < - 10} cat（'first'的客观值'，solcount，'解决方案：\ n'）（k在1：solcount）{cat（'解决方案'，k，'具有目标：'，结果$池[[k]]$objval [1]，'\ n'）}} else {solcount < - 1 cat（找到的解决方案数：'，solcount，'\ n'）cat（'解决方案1具有目标：'，结果$Objval，'\ n'）}＃清理RM（型号，PARALS，结果）
