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)
