poolsearch.r.
＃版权所有2019，Gurobi O狗万app足彩ptimization，LLC ##我们发现替代的epsilon - 通过使用PoolsearchMode库（Matrix）库（GuRobi）＃定义原始数据RandSetize < - 10 Objcoef < - C（32,32，15,15,6,6,1,1,1,1,1）KnappasackCoef（16,16,8,8,4,4,2,2,1，1）预算< - 33＃初始化模型模型< - list（）模型$Modelsense < - 'Max'模型$ModelName < - 'poolsearch'#set变量模型$obj < - objcoef模型$Vtype < - 'B'模型$LB < - 0型号$UB < - 1模型$varnames < - sprintf（'el％d'，seq（1，groundsetsize））＃构建约束矩阵模型$a < - spmatrix（1，lourdsetsize，i = rep（1，lindsetsize），j = 1：地面，x = knapsackcoef）模型$RHS < - C（预算）模型$感觉< - c（'<'）模型$CONSTRAMMES < - C（'预算'）＃set poolsearch参数params < - list（）params$Poolsolutions < - 1024 Params$Poolgap < - 0.10 Params$poolsearchmode < - 2＃保存问题gurobi_write（型号，'poolsearch_r.lp'）＃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（'现在停止\ n'）}＃打印最佳解决方案cat（'最佳解决方案中的选定元素：\ n'）cat（型号$varnames [哪个（结果$x> = 0.9）]，'\ n'）＃打印所有解决方案目标和最佳Furth解决方案（如果（结果）（结果）（结果）））{solcount < - length（结果$池）CAT（'找到的解决方案数：'，solcount，'\ n'）cat（'first'的客观值'，solcount，'解决方案：\ n'）（k在1：solcount）{cat（结果$池[[k]]$objval，''，sep =''）} cat（'\ n'）if（solcount> = 4）{cat（'第四个最佳解决方案中的选定元素：\ n'）cat（型号$varnames [哪个（结果$池[[4]]$xn> = 0.9）]，'\ n'）}} else {solcount < - 1 cat（找到的解决方案数量：'，solcount，'\ n'）cat（'解决方案1具有目标：'，结果$Objval，'\ n'）}＃清理RM（型号，PARALS，结果）
