mathematical-optimization

0热度

1回答

我是新来的建模数学规划问题。我正在尝试用Gurobi求解器解决有关网络优化的练习。这就是练习所说的： `附图中的图graph10092015.gml包含一套电信公司可以连接光纤网络的潜在机柜。每个机柜（节点）u都有一个利润，每个边缘uv都有一个连接成本。设计一个网络，最大限度地提高公司利润，因为知道链接安装的预算不能超过4000欧元。从前面的最优解，评估在500欧元的成本将网络扩展到机壳19中

0热度

1回答

获取并比较Gurobi/Python中的变量值

我想比较一个最佳gurobi变量的值与数字，以便决定模型的下一步。 from gurobipy import * m=Model("flow_model") arcs = [(0,1),(1,2),(3,4),(0,3), (1,4)] f= m.addVars((a for a in arcs), vtype=GRB.CONTINUOUS, name = "flow") d = [0,2

0热度

1回答

函数参数是一个数学FUNC

我想有在Python这样的功能： class EvaluationStrategy(object): def __init__(self, test_function): self.test_function = test_function class TestFunction(object): def objective_function(self, desi

3热度

2回答

matlab optimoptions保存变量中的残差

我正在使用optimoptions函数，我想在每次迭代后保存一个变量中的残差。现在，如果我选择在以下代码的第一行中显示迭代，我可以在控制台中看到它们，但无论如何将它们保存为矢量变量？我试图在第二行中获得剩余输出，但它只给出了最后一次迭代的结果。谢谢。 options = optimoptions(@lsqnonlin,'Algorithm','Levenberg-Marquardt','Displ

0热度

1回答

PortfolioAnalytics“从”不能是NA大，NaN，或无穷大

你好我得到这个错误试图优化投资组合的最小方差： Error in seq.default(from = round(min, rounding), to = round(max, rounding), : 'from' cannot be NA, NaN or infinite 优化利用的投资回报率，单纯，和电网运行正常，但所有这些方法都忽略了位置约束。随机和DEoptim同样的错误

-3热度

1回答

快速Python脚本，看看是否浮动x∈范围没有非常小的步骤

我有浮动/十进制值，如2,4378472348237483274等和一些说明必须有这些数字的条件。条件必须是：∈（范围）但是对于Python，2在（1,3,1）中，但2,1231837不在（1,3,1）中，因为该步骤。我不知道如何设置范围没有步骤... 所以我的想法是编写一个小的自定义范围，只看单位。例如：2,47234723278 因此，它查看“2”（单位）并确认它在范围内（1,3）。

2热度

2回答

连续变量块在混合整数线性编程中具有相同的值

我试图对一个系统组件的操作进行建模，该组件将有两种操作模式，我们称它们为1和2，再加上空闲模式0 怠速没有限制，但每个操作模式将持续正好3个时间序列点，所以x_ {i} = 1意味着x_ {i + 1} = x_ {i + 2} = 1（无法发布图像，请使用下面的方程中的链接） operation mode 1 同样适用于操作模式2 例如。 011102220是有效的，但是01110220不是。

1热度

1回答

有效地识别在哪个轴季度是一个给定的角度的角度

我想在认识到什么轴线季度是一个给定的角度以最有效的方式区1：阿尔法> 0 & &阿尔法< = 90 （度）区2：阿尔法> 90 & &阿尔法< = 180（度）区3：阿尔法> 180 & &阿尔法< = 270（度）区4：阿尔法> 270 & &阿尔法< = 360（度） C++代码 FORCEINLINE uint8 MapAngleToQuarter(float angle)

0热度

2回答

确定其中2种模方式的趋同

所有点这可能更多的是数学问题，但我想这样做在Python和/或C＃/ Java的（脚本）的最有效的方式存在着从1到n的单个数据一系列递增1： 1,2,3,4,5,6,7,8,9,10......n 还存在两个整型变量：x和y 对于在数据系列中的每个值，对于n％X的值和n ％y是计算的例如： let x = 1, y = 3 n n % x n % y ---- -----

1热度

1回答

超参数调整的受控贝叶斯优化

使用贝叶斯优化和一些启发式选择来使用超参数调整的最佳方式是什么？在诸如spearmint或hyperopt的软件包中，您可以指定一个范围来探索，但我也想探索一些不一定属于该范围的启发式值。任何建议什么是这样做的最佳做法？