poolsearch。R
# 2021年版权,Gurobi优化狗万app足彩,LLC # #我们找到替代epsilon-optimal解决给定的背包#问题通过使用PoolSearchMode库(矩阵)库(Gurobi) #定义原始数据groundSetSize < - 10 objCoef < - c(32岁,32岁,15日,15日,6日,6日,1,1,1,1)knapsackCoef < - c(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' #设置变量模型＄obj <- objCoef模型＄vtype <- 'B'模型＄Lb <- 0模型＄Ub <- 1模型＄varnames <- sprintf('El%d'， seq(1,groundSetSize)) #建立约束矩阵模型＄一个<- spMatrix(1, groundSetSize, i = rep(1,groundSetSize)， j = 1:groundSetSize, x = knapsackCoef)模型＄rhs <- c(预算)模型＄感觉<- c('<')模型＄construcnames <- c('Budget') #设置poolsearch参数params <- list()参数＄<- 1024个参数＄PoolGap <- 0.10参数＄PoolSearchMode <- 2 #保存问题gurobi_write(模型，'poolsearch_R.lp') #优化结果<- gurobi(模型，参数)#捕获解决方案信息如果(结果＄status != 'OPTIMAL') {cat('状态完成优化'，结果＄\n') stop(' stop now\n')} #打印最佳解决方案cat('在最佳解决方案中选择的元素:\n') cat(模型＄varnames[这结果＄如果('pool' %in% names(result)) {solcount <- length(result) . * * * * * * * * * * * * * * * * *＄pool) cat('发现的解决方案数量:'，solcount， '\n') cat('Objective values for first'， solcount， 'solutions:\n') for (k in 1:solcount) {cat(结果＄池[[k]]＄objval，' '，sep= ")} cat('\n') if (solcount >= 4) {cat('在第四最佳解决方案中选择的元素:\n') cat(模型＄varnames[这结果＄池[[4]]＄xn >= 0.9)]， '\n')}} else {solcount <- 1 cat('找到的解决方案的数量:'，solcount， '\n') cat('解决方案1有目标:'，结果＄objval， '\n')} #清理rm(model, params, result)
