poolsearch_vb.vb.
'版权所有2019，Gurobi O狗万app足彩ptimization，LLC'我们发现替代epsilon-eptoplyse opto opsappsack'问题通过池查找导入gurobi class poolsearch_vb共享子main（）尝试'样本数据暗地作为整数= 10 dimbcoef为double（）=新的双（）{_ 32,32,15,15,6,6,6,1,1,1,1，1} Dim WhapasackCoef作为双（）=新双（）{_ 16,16,8,8,4，4,2,2,1，1，1} Dimp预算作为Double = 33 Dim e作为整数，状态为整数，nsolutions为整数'创建环境Dimen Env作为新Grbenv（“poolsearch_vb.log”）'创建初始模型昏暗模型新的GrbModel（env）model.modelname =“poolsearch_vb”'初始化地面集的决策变量：'x [e] == k如果选择元素e k次。DimeLeL作为GRBVAR（）= Model.Addvars（GroundSetSize，GRB.Binary）型号。[SET]（GRB.DoubleAttr.obj，Elem，Objcoef，0，Lindsetsize）对于e = 0到地面设计 - 1 elem（e）。varname = string.format（“el {0}”，e）下一步'约束：限制要选中的元素总数为大多数预算昏暗lhs作为e = 0到groundsetsize - 1 lhs.adtterm（Knapsackcoef（e），elem（e））下一型Model.addConstr（LHS，GRB.Less_equal，预算，“预算”）'所有目标的全局意义模型Model.modelsense = grb.maximize'限制收集模型的解决方案.Poolsolutions = 1024'限制收集模型的解决方案.Parameters.Poolgap = 0.1'限制收集模型的解决方案.Parameters.PoolsearchMode = 2'保存问题模型.write（“poolsearch_vb.lp”）'优化模型.Optimize（）'状态检查状态= model.status如果status = grb.status.inf_or_unbd orelse _ status = gr.status.infeasible orelse _ status = grb.status.unbounded然后inconole.writelint（“模型可以如果它是不可行或无界的“）返回结束如果status <> grb.status.optimal则返回结束，则控制台，然后使用状态{0}”，状态）返回结束如果'打印最佳选定的设置控制台.writeline（“最佳解决方案中的选定元素：”）控制台.WWBRITE（vbtab）对于e = 0到地面，1，如果ELEM（e）.x <0.9然后继续结束如果console.write（“el {0}”继续结束，e）下一个console.writeline（）'打印解决方案的lequents存储的nsolutions = model.solcount console.writeline（找到的解决方案数：“，nsolutions）'e = 0的e = 0的解决方案的物理值 - 1模型。parameters.solutionnumber = e console.write（“{0}”，model.poolobjval）如果e mod 15 = 14那么console.writeline（）结束如果下一个console.writeline（）model.dispose（）env.dispose（）catch e As GRBException Console.WriteLine("Error code: {0}. {1}", e.ErrorCode, e.Message) End Try End Sub End Class
