gc_pwl。R
# # maximize # sum狗万app足彩 c(j) * x(j) # subject to # sum A(i,j) * x(j) <= 0, for i = 1，…, m #和y (j) < = 3 # y (j) = pwl (x (j)), j = 1,……， n # x(j) free, y(j) >= 0, for j = 1，…# # # where pwl(x) = 0, if x = 0 # = 1+|x|， if x != 0 # # #注# # 1。Sum pwl(x(j)) <= b是限定x向量，也有利于稀疏x向量。这里b = 3表示x(j)最多不为0，如果是2，那么# sum x(j) <= 1 # 2。Pwl (x)从1跳到0，从0跳到1，如果x从- 0跳到0，那么#就跳到正0，所以在x = 0处需要三个点。X在两边都有无限界#，由两点(- 1,2)和(0,1)定义的块可以#扩展X到-infinite。总体我们可以用5分(1、2),(0,1),#(0,0),(0,1)和(1、2)来定义y = pwl (x)图书馆(gurobi)图书馆(矩阵)n = 5 #一个x < = 0 < - rbind (c (0, 0, 0, 1, 1), c (0, 0, 1, 1, - 1), c (1, - 1, 0, 0, 1), c (1 0 1 0 1), c(1, 0, 0, 1, 1)) #和y (j) < = 3 y < - rbind (c (1, 1, 1, 1,1)) #初始化模型<- list() #约束矩阵模型＄A <- bdiag(A, y) #右侧系数向量模型＄rhs <- c(rep(0, n)， 3) #目标函数(x系数任意选择)模型＄obj <- c(0.5, 0.8, 0.5, 0.1， -1, rep(0, n)) #这是一个最大化模型模型＄modelsense <- "max" # x和y模型的下界＄lb <- c(rep(- inf, n)， rep(0, n)) # PWL约束模型＄<- list() for (k in 1:n){模型＄[[k]] <- list()模型＄genconpwl [[k]]＄Xvar <- k模型＄genconpwl [[k]]＄Yvar <- n + k模型＄genconpwl [[k]]＄XPTS <- c(- 1,0,0,0,1)模型＄genconpwl [[k]]＄ypts <- c(2,1,0,1,2)} #求解模型并收集结果<- gurobi(model) #显示x的解值for (k in 1:n) print(sprintf('x(%d) = %g'， k, result＄x[k])) print(sprintf('客观值:%g'，结果＄objval)) #清除空间rm(模型，结果)
