feasopt.R
# 2023年版权,Gurobi优化狗万app足彩,LLC # #这个例子从文件读取MIP模型,增加了人工#每个约束变量,然后最小化#人工变量的总和。解决方案与目标0 #对应输入模型的可行解。#我们也可以使用FeasRelax特性。在这个例子中,我们使用# minrelax = 1,即优化返回模型找到了一个解决方案#最小化最初的目标,但只从其中#人工变量之和最小化的解决方案。库(矩阵)库(gurobi)参数< - commandArgs (trailingOnly = TRUE)如果(长度(args) < 1){停止(“用法:Rscript feasopt。R \ n文件名”)}#设置参数参数< -()参数列表美元日志文件< - feasopt。日志' #读模型猫(args[1],“阅读模式”“…”)模型< - gurobi_read (args [1], params)猫('……完成\ n”) #创建罚款处罚< -列表()处罚美元磅< - Inf处罚美元乌兰巴托< - Inf处罚美元rhs < -代表(1,长度(模型美元rhs)结果< - gurobi_feasrelax(模型中,0,真的,罚款,params = params) #显示结果(结果美元feasobj > 1 e-6){猫(“模型”,arg游戏[1],在变量范围内是不可行的\ n)}其他{猫(args[1]“模型”,“是可行的\ n”)} #腾出rm(参数、模型、处罚结果)
