运筹优化学习21:Java调用Cplex实现求解Cuting Stock Porblem的列生成算法详解(下)

简介: 运筹优化学习21:Java调用Cplex实现求解Cuting Stock Porblem的列生成算法详解

4.2.3 第二次进基离基

为便于表述,我们将x2直接换掉:

gif.png

Cplex求解:

dvar int+ x1; dvar int+ x2; dvar int+ x3; dvar int+ x4;
minimize 5*x1 + 9*x2 + 5*x3 + 10*x4; 
subject to{
2*x1 + 0*x2 + 0*x3 + 0*x4 >= 30;
0*x1 + 0*x2 + 0*x3 + 3*x4 >= 20;
0*x1 + 2*x2 + 1*x3 + 0*x4 >= 40;
}

X = [15,20,0,6.7]; 目标值321.67;对偶变量:[2.5,3.3,4.5]

对应整数解为X = [15, 20, 0, 7];目标值325

gif.gif 应该离基,构建新列gif.gif

image.png

进基列[1, 1, 0];离基列[0, 0, 1]

4.2.4 第三次进基离基

直接换掉gif.gif

gif.png


Cplex求解:


dvar int+ x1; dvar int+ x2; dvar int+ x3; dvar int+ x4;
minimize 5*x1 + 9*x2 + 5*x3 + 10*x4; 
subject to{
2*x1 + 0*x2 + 1*x3 + 0*x4 >= 30;
0*x1 + 0*x2 + 1*x3 + 3*x4 >= 20;
0*x1 + 2*x2 + 0*x3 + 0*x4 >= 40;
}

X = [5, 20, 20, 0]; 目标值305;对偶变量:[2.5,2.5,4.5]

gif.gif 应该离基,构建新列gif.gif

image.png


三个检验数都为0,我们完美的找到了问题的最优解,而且还是整数解。

4.2.5 解的分析

有三种长度为9,14,16的木材,成本价分别为5,9,10,需要切割长度为4的成品 30个;长度为5的成品20个;长度为7的成品40个,求解切割方案,使得总体成本价最低。

gif.png

X = [5, 20, 20]; 目标值305


5个[2,0,0]的方案,20个[0,0,2]的方案,20个[1,1,0]的方案


方案为:9米的木材切成两个4米,方案使用5次; 9米木材切成1个4米、1个5米的方案使用20次; 14米木材切成2个7米的方案使用20次


该方案浪费木料为:5 * 1 + 20*0 + 20*2 = 45米;一共使用了45根木材,25根14米木材,没有使用16米的木材。


4.2.6 总结

这一节我们计算了3种不同成本的木材型号和3种需求的CSP问题的求解实例验证,做如下小结:


由于我们只有3个约束,要先选择三个可行的裁切方案作为初始裁切组合

我们构建了3种木材类型的subproblem,subprobelm的约束根据可用的木材型号设置

进基变量是subproblem目标负最小值列;离基变量为决策变量取值为0的列;一进一出,始终保持模型只处理4个变量

RMP的每次优化都会得到新的决策变量及其对偶变量的取值

对偶变量发生变化时,每个subproblem只需更新他的目标函数即可,约束不用动

终止的条件是所有的subproblem的最优目标值非负


5 Java调用Cplex实现的列生成算法

代码请关注文末公众号回复:java-cplex-CG-CSP

5.1 遇到的问题及解决


导入Java工程:File --> import --> General --> Existing Projects into Workspace --> Next --> Select toot directory后输入工程父目录,下边勾选Copy projects into workspace --> Fnished

运行工程:右键点击src --> cut --> CutStock.java,点击Run as --> 1 Java Application;此处弹出运行错误,以后处理


5.1.2 JNI错误及处理办法

1) 错误截图:

20200204213241897.png

20200204213318391.png

20200204213338998.png

2) 原因:这个错误是因为项目的依赖库不对,需要你重新配置一下

3) 解决方案

该项目的 Build Path , 在Libraries 中看到如下内容:

20200204213608156.png

有两个路径缺失,我们要做的就是把这个路径删除,替换为我们自己


处理方式:


选中第一行的cplex.jar,点击右侧的Remove;再点击Add External JARS ...,找到自己的cplex.jar,把它加进来

net.mindview.jar包,是java编程思想第四版中需要使用net.mindview.util包,下载地址, 提取码: a25m;下载之后,加载方式与 1 一致

配置Java环境:Add Library.. -> JRE System Library -> Execution environment:JavaSE-1.8


5.2 算例及运行

image.png


相关文章
|
10天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
143 80
|
3天前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
6天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-GRU-SAM网络在时间序列预测中的应用。算法通过卷积层、GRU层、自注意力机制层提取特征,结合粒子群优化提升预测准确性。完整程序运行效果无水印,提供Matlab2022a版本代码,含详细中文注释和操作视频。适用于金融市场、气象预报等领域,有效处理非线性数据,提高预测稳定性和效率。
|
7天前
|
机器学习/深度学习 算法 索引
单目标问题的烟花优化算法求解matlab仿真,对比PSO和GA
本项目使用FW烟花优化算法求解单目标问题,并在MATLAB2022A中实现仿真,对比PSO和GA的性能。核心代码展示了适应度计算、火花生成及位置约束等关键步骤。最终通过收敛曲线对比三种算法的优化效果。烟花优化算法模拟烟花爆炸过程,探索搜索空间,寻找全局最优解,适用于复杂非线性问题。PSO和GA则分别适合快速收敛和大解空间的问题。参数调整和算法特性分析显示了各自的优势与局限。
|
10天前
|
缓存 算法 搜索推荐
Java中的算法优化与复杂度分析
在Java开发中,理解和优化算法的时间复杂度和空间复杂度是提升程序性能的关键。通过合理选择数据结构、避免重复计算、应用分治法等策略,可以显著提高算法效率。在实际开发中,应该根据具体需求和场景,选择合适的优化方法,从而编写出高效、可靠的代码。
25 6
|
16天前
|
机器学习/深度学习 前端开发 算法
婚恋交友系统平台 相亲交友平台系统 婚恋交友系统APP 婚恋系统源码 婚恋交友平台开发流程 婚恋交友系统架构设计 婚恋交友系统前端/后端开发 婚恋交友系统匹配推荐算法优化
婚恋交友系统平台通过线上互动帮助单身男女找到合适伴侣,提供用户注册、个人资料填写、匹配推荐、实时聊天、社区互动等功能。开发流程包括需求分析、技术选型、系统架构设计、功能实现、测试优化和上线运维。匹配推荐算法优化是核心,通过用户行为数据分析和机器学习提高匹配准确性。
52 3
|
16天前
|
算法
PAI下面的gbdt、xgboost、ps-smart 算法如何优化?
设置gbdt 、xgboost等算法的样本和特征的采样率
40 2
|
2天前
|
算法
基于梯度流的扩散映射卡尔曼滤波算法的信号预处理matlab仿真
本项目基于梯度流的扩散映射卡尔曼滤波算法(GFDMKF),用于信号预处理的MATLAB仿真。通过设置不同噪声大小,测试滤波效果。核心代码实现数据加载、含噪信号生成、扩散映射构建及DMK滤波器应用,并展示含噪与无噪信号及滤波结果的对比图。GFDMKF结合非线性流形学习与经典卡尔曼滤波,提高对非线性高维信号的滤波和跟踪性能。 **主要步骤:** 1. 加载数据并生成含噪测量值。 2. 使用扩散映射捕捉低维流形结构。 3. 应用DMK滤波器进行状态估计。 4. 绘制不同SNR下的轨迹示例。
|
29天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
15天前
|
供应链 算法 调度
排队算法的matlab仿真,带GUI界面
该程序使用MATLAB 2022A版本实现排队算法的仿真,并带有GUI界面。程序支持单队列单服务台、单队列多服务台和多队列多服务台三种排队方式。核心函数`func_mms2`通过模拟到达时间和服务时间,计算阻塞率和利用率。排队论研究系统中顾客和服务台的交互行为,广泛应用于通信网络、生产调度和服务行业等领域,旨在优化系统性能,减少等待时间,提高资源利用率。

热门文章

最新文章