gc_pwl。R
# #最大化# sum c(j) *狗万app足彩 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)自由,y(j) >= 0,对于j = 1,…, n # # = 1+| +|, if x != 0 # #和pwl(x(j)) <= b是为了约束x向量,同时也是为了支持稀疏的x向量。这里b = 3意味着最多两个x(j)可以是非零的,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到0,#然后到0,所以我们需要在x = 0处有3个点。X在两边都有无限的边界#,由两点(- 1,2)和(0,1)定义的部分可以#将X扩展到-无限。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)) #初始化模型模型<- list() #约束矩阵模型$A <- bdiag(A, y) #右手边系数向量模型$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$lb <- c(rep(- inf, n), rep(0, n)) # PWL约束模型$Genconpwl <- list() for (k in 1:n){模型$Genconpwl [[k]] <- list()模型$genconpwl [[k]]$Xvar <- k模型$genconpwl [[k]]$Yvar <- n + k模型$genconpwl [[k]]$XPTS <- c(- 1,0,0,1)模型$genconpwl [[k]]$print(sprintf('x(%d) = %g', k, result . ')), print(sprintf('x(%d) = %g', k, result . '), print('x(%d) = %g', k, result . '))$x[k])) print(sprintf('客观值:%g',结果$#清除空间rm(模型,结果)