params.R
# 2023年版权,Gurobi优化狗万app足彩,LLC # #使用参数模型。# # MIP解决几秒钟与不同的参数。#被选中时,最小的MIP的差距和优化#恢复,直到找到最优解。库(矩阵)库(gurobi)参数< - commandArgs (trailingOnly = TRUE)如果(长度(args) < 1){停止(“用法:Rscript参数。R \ n文件名”)}#阅读模式的猫(args[1],“阅读模式”“…”)模型< - gurobi_read (args[1])猫('……完成\ n”) #检测的非连续变量intvars <——(模型美元vtype ! = ' C ') numintvars < -长度(intvars)如果(numintvars < 1){停止(所有模型\ ' s变量是连续的,无关\ n”)} #设置2次极限参数< -()参数列表美元期限< - 2 #现在解决MIPFocus模型与不同的值的参数美元MIPFocus < < - - 0结果gurobi(模型、参数)bestgap < -结果美元mipgap bestparams < - params(我在1:3){参数美元MIPFocus < -我结果< gurobi(模型、参数)如果(结果美元mipgap < bestgap) {bestparams < - params bestgap < -结果美元mipgap}} #最后,重置时间限制和重模型最优bestparams美元期限< - Inf结果< - gurobi(模型、bestparams)猫(bestparams,解决MIPFocus:”美元MIPFocus, ' \ n ') #腾出rm(模型、参数结果,bestparams)
