R语言集成算法优化模型 r语言最优化问题 | 您所在的位置:网站首页 › 运筹和优化的区别 › R语言集成算法优化模型 r语言最优化问题 |
作者:鲁伟,热爱数据,坚信数据技术和代码改变世界。R语言和Python的忠实拥趸,为成为一名未来的数据科学家而奋斗终生。 线性规划、整数规划和运输问题 虽说目前数学建模领域大家用的软件工具都是Matlab或者Lingo,但在个人偏好的驱使下还是决定用自己擅长的R语言来实现数学建模算法。就首先从优化模型中简单的线性规划、整数规划以及多目标规划开始。R语言在针对各类优化模型时都能快速方便的求解,对运输问题、生产计划问题、产销问题和旅行商问题等都有专门的R包来解决。
线性规划与整数规划的区别主要在于对决策变量的取值约束有所不同。线性规划的决策变量为正实数,而整数规划则要求决策变量为正整数。在R语言中,有众多相关的R包可以解决这两类问题,例如stat包中的optim、optimize函数,这里给大家推荐Rglpk包,Rglpk包用法简单,核心函数调用方便,对解决大型的线性规划和整数规划问题十分好用。 Rglpk包的核心函数为Rglpk_solve_LP函数,其用法如下:
Rglpk_solve_LP(obj,mat,dir,rhs,types=NULL,max=FALSE,bounds=NULL, verbose=FALSE) 其中obj为目标函数系数,mat为约束矩阵,dir为约束符号,rhs为约束向量,types为变量类型,可选类型有“B”“I”“C”,分别代表0-1变量、正整数和正实数,max为逻辑参数,当其取TRUE 时求目标函数最大值,反之为最小值,bounds为决策变量的额外约束,verbose表示是否输出中间过程的的控制参数,默认为FALSE。 看一个求解线性规划的例子:
library(Rglpk) obj |
CopyRight 2018-2019 实验室设备网 版权所有 |