multiobj。R
# #想要覆盖三个不同的集合，但受制狗万app足彩于#元素允许使用的共同预算。然而，这些设置有不同的优先级要覆盖;我们用多目标优化来解决这个问题。库(矩阵)库(gurobi) #定义原始数据groundSetSize < - 20 nSubSets预算< < - 4 - 12组< -列表(c (1, 1, 1, 1, 1, 1, 1, 1, 1, - 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0), c (0, 0, 0, 0, 0, 1, 1, 1, 1, - 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1), c (0, 0, 0, 1, 1, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 0), c (0, 0, 0, 1, 1, - 1, 0, 0, 0, 1, 1, 1,0, 0, 0, 1, 1, 1, 0,0)) SetObjPriority <- c(3,2,2,1) SetObjWeight <- c(1.0, 0.25, 1.25, 1.0) #初始化模型模型<- list()模型＄Modelsense <- 'max'模型＄modelname <- 'multiobj' #设置变量，它们都是二进制的，以0,1为界限。模型＄vtype <- 'B'模型＄Lb <- 0模型＄Ub <- 1型号＄varnames <- paste(rep('El'， groundSetSize)， 1:groundSetSize, sep= ") #创建约束矩阵模型＄A <- spMatrix(1, groundSetSize, i = rep(1,groundSetSize)， j = 1:groundSetSize, x = rep(1,groundSetSize))模型＄rhs <- c(Budget)模型＄感知<- c('<')模型＄construcnames <- c('Budget') #设置多目标模型＄multiobj <- list() for (m in 1:nSubSets){模型＄Multiobj [[m]] <- list()模型＄multiobj [[m]]＄objn <-设置[[m]]模型＄multiobj [[m]]＄- SetObjPriority[m]模型＄multiobj [[m]]＄weight <- SetObjWeight[m]模型＄multiobj [[m]]＄Abstol <- m模型＄multiobj [[m]]＄Reltol <- 0.01模型＄multiobj [[m]]＄name <- sprintf('设置%d'， m)模型＄multiobj [[m]]＄con <- 0.0} #保存模型gurobi_write(model，'multiobj_R.lp') #设置参数params <- list(＄PoolSolutions <- 100 #优化结果<- gurobi(model, params) #获取解决方案信息＄= 'OPTIMAL') {cat('优化完成状态'，结果＄# Print the best solution cat(' select elements in best solution:\n') for (e in 1:groundSetSize) {if(result . get (' result . get '， ' result . get ')＄x[e] < 0.9) next cat(' El'，e,sep= ")} cat('\n') #遍历最好的10个解决方案如果('pool' %in% names(result)) {solcount <- length(result . name＄if (solcount > 10) {solcount <- 10} cat('目标值第一'，solcount， '解决方案:n') for (k in 1:solcount) {cat('解决方案'，k， '有目标:'，结果＄池[[k]]＄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＄#清除rm(model, params, result)
