文章目录

  • 调用 CPLEX 的 Java 应用程序的结构
  • Java调用cplex求解线性规划模型
  • 使用针对 Java 用户的 Concert Technology 的 CPLEX 建模类
  • 模型中的变量
  • 表达式
  • 范围约束
  • 对模型求解
  • 解状态
  • 分段线性函数
  • 数学规划问题缩写含义


调用 CPLEX 的 Java 应用程序的结构

import ilog.concert.*;
import ilog.cplex.*;
static public class Application {
	static public main(String[] args) {
	   try {
	   		IloCplex cplex = new IloCplex();
	   		// create model and solve it
     	} catch (IloException e) {
     		System.err.println("Concert exception caught: " + e);
     	}
  	}
 }

Java调用cplex求解线性规划模型

java怎么调用socket JAVA怎么调用CPLEX_java

//导入相应的包，使用CPLEX Java接口
import ilog.concert.*;
import ilog.cplex.*;

public class Example {
  public static void main(String[] args) {
    try {
      IloCplex cplex = new IloCplex();  //创建对象

      double[]    lb = {0.0, 0.0, 0.0};  //决策变量下限
      double[]    ub = {40.0, Double.MAX_VALUE, Double.MAX_VALUE};  //决策变量上限
      IloNumVar[] x  = cplex.numVarArray(3, lb, ub);  //决策变量，3个连续变量

      double[] objvals = {1.0, 2.0, 3.0};  //决策变量系数
      cplex.addMaximize(cplex.scalProd(x, objvals));  //目标函数

      cplex.addLe(cplex.sum(cplex.prod(-1.0, x[0]),
                            cplex.prod( 1.0, x[1]),
                            cplex.prod( 1.0, x[2])), 20.0);  //约束1
      cplex.addLe(cplex.sum(cplex.prod( 1.0, x[0]),
                            cplex.prod(-3.0, x[1]),
                            cplex.prod( 1.0, x[2])), 30.0);  //约束2

      if ( cplex.solve() ) {
        cplex.output().println("Solution status = " + cplex.getStatus());
        cplex.output().println("Solution value  = " + cplex.getObjValue());

        double[] val = cplex.getValues(x);
        int ncols = cplex.getNcols();
        for (int j = 0; j < ncols; ++j)
          cplex.output().println("Column: " + j + " Value = " + val[j]);
      }
      cplex.end();
    }
    catch (IloException e) {
      System.err.println("Concert exception '" + e + "' caught");
    }
  }
}

转载来源：https://www.ibm.com/docs/zh/icos/12.8.0.0?topic=cplex-using-concert-technology-in-java

java怎么调用socket JAVA怎么调用CPLEX_java_02

类 IloCplex 扩展 IloCplexModeler。 IloCplex 中的所有建模方法都从 IloCplexModeler 派生。 IloCplex 实现求解方法。
类 IloCplexModeler（它实现 IloMPModeler）使用户能够在 Java 应用程序中将模型构建为纯 Java 对象，而不必使用类 IloCplex。
需要特别说明的是，使用 IloCplexModeler 构建的模型（不使用 IloCplex 实例）不要求装入 CPLEX.dll，也不要求装入任何共享库。
而且，IloCplexModeler 可序列化。 例如，用户可开发纯 Java 应用程序，它使用 IloCplexModeler 来构建模型，并将模型和建模对象发送到使用 IloCplex 的优化服务器。

使用针对 Java 用户的 Concert Technology 的 CPLEX 建模类

要建模的对象

使用这个类或接口的对象

变量

IloNumVar 及其扩展 IloIntVar 和 IloSemiContVar

范围约束

带有（分段）线性或二次表达式的 IloRange

其他关系约束

格式为 expr1 relation expr2 的 IloConstraint，其中两个表达式都是线性或二次表达式，并可选择性地包含分段线性项。

LP 矩阵

IloLPMatrix

线性或二次目标

带有（分段）线性或二次表达式的 IloObjective

变量类型转换

IloConversion

特殊有序集

IloSOS1 或 IloSOS2

逻辑约束

IloOr、IloAnd 以及 not 之类的方法

模型中的变量

IloNumVar x = cplex.numVar(lb, ub, IloNumVarType.Float, "xname"); //变量属性：下限，上限，类型、名称

整数变量可以由 intVar 方法创建，并且不要求传递类型 IloNumVarType.Int，因为这由方法名称所暗指。 界限参数也更加一致地指定为整数。 这些方法返回类型为 IloIntVar 的对象，该类型是接口 IloNumVar 的扩展，它允许使用整数一致地查询和设置界限，而不是像 IloNumVar 一样使用双精度值。

界限为 0/1 的整数变量经常用作决策变量。 为了帮助创建此类变量，提供了 boolVar 方法。 在布尔类型中，以隐式方式指定 0 和 1，因此这些方法不需要接受任何界限值。

对于所有这些构造方法，还有等同的方法可用来一次就创建建模变量的完整数组。 这些方法的名称为 numVarArray、intVarArray 和 boolVarArray。

表达式

IloNumExpr expr = cplex.sum(x1, cplex.prod(2.0, x2)); //x1+2x2

sum加、diff减、prod乘、negative负、square平方

单个变量是表达式的特殊情况，因为 IloNumVar 是 IloNumExpr 的扩展。

线性表达式这一特殊情况由类型为 IloLinearNumExpr 的对象表示。 此类表达式可编辑，这在通过循环构建线性表达式时特别方便，如下所示：

IloLinearNumExpr lin = cplex.linearNumExpr();
   for (int i = 0; i < num; ++i)
     lin.addTerm(value[i], variable[i]);

借助 scalProd 方法，可直接支持值数组与变量数组的标量乘积这一特殊情况。 因此，可将该循环重新编写为：

IloLinearNumExpr lin = cplex.scalProd(value, variable);

范围约束

范围约束是以下格式的约束：lb ≤ expression ≤ ub，在 Concert Technology 中由类型为 IloRange 的对象表示。 最一般的构造函数是：

IloRange rng = cplex.range(lb, expr, ub, name); //lb 和 ub 是双精度值，expr 的类型为 IloNumExpr，name 是字符串

关系

lb

ub

方法

=

rhs

rhs

eq

≤

-Double.MAX_VALUE

rhs

le

≥

rhs

Double.MAX_VALUE

ge

最后一列包含 IloModeler 随附的方法，用于在您指定表达式即右侧 (RHS) 时直接创建适当的范围约束。 例如，约束 expr ≤ 1.0 可通过以下调用来创建：

IloRange le = cplex.le(expr, 1.0);

对模型求解

在活动模型中创建优化问题之后，可通过 IloCplex 对象对其进行求解。 例如，对于名为 cplex 的对象，可以调用以下方法来进行求解：

cplex.solve();

solve 方法返回一个布尔值，用于指定是否找到并可查询可行解。 但是，返回 true 时，找到的解可能不是最优解；例如，优化可能已因为达到迭代限制而过早终止。

通过使用返回 IloCplex.Status 对象的 getStatus 方法，可查询 IloCplex 对象中有关可能解的其他信息。

解状态

返回状态

活动模型

Error

尚未能够处理活动模型，或者优化期间发生错误

Unknown

尚未能够将活动模型处理到足以给出任何有关其的证明的程度。 一种常见原因是达到时间限制

Feasible

已证明存在模型的可行解

Bounded

已证明活动模型在优化方向上具有有限的界限。 但是，这并不表示存在可行解

Optimal

活动模型已求解为获得最优解。 可以查询最优解

Infeasible

已证明活动模型没有可行解

Unbounded

已证明活动模型无界。 从技术角度而言，IloCplex 所采用的无界性表示法就是对偶不可行性的无界性表示法；这不包括已证明模型可行的表示法。 相反，已证明的情况是，如果有目标值为 z* 的可行解，那么存在目标值为 z*-1（对于最小化问题）或 z*+1（对于最大化问题）的可行解

InfeasibleOrUnbounded

已证明活动模型可行或无界

分段线性函数

要在 Concert Technology 中定义分段线性函数，您需要下列要素：

  • 分段线性函数的独立变量
  • 分段线性函数的断点
  • 每个分段的斜率（即，两个断点之间的函数增加或减少率）
  • 函数的至少一个点的几何坐标

通常，分段线性函数的断点指定为一个包含数字值的数组。 例如，上图中显示的函数 f(x) 的断点以这种方式指定，其中第一个自变量 env 指定环境，第二个自变量指定考虑中的断点数，其余自变量指定断点的 x 坐标：

IloNumArray (env, 3, 4., 5., 7.)

其各个分段的斜率也指示为一个包含数字值的数组。 例如，f(x) 的斜率以这种方式指定，其中第一个自变量同样指定环境，第二个自变量指定给出的斜率数，其余自变量指定各个分段的斜率：

IloNumArray (env, 4, -0.5, 1., -1., 2.)

另外，还必须指定函数的至少一个点的几何坐标 (x, f(x))；例如， (4, 2)。 然后，在 Concert Technology 中，这些元素将以如下方式在类 IloPiecewiseLinear 的实例中汇总：

IloPiecewiseLinear(x, 
                   IloNumArray(env, 3, 4., 5., 7.), 
                   IloNumArray(env, 4, -0.5, 1., -1., 2.), 
                   4, 2)

另一种指定分段线性函数的方式是给出第一个分段的斜率、两个包含断点的坐标的数组，以及最后一个分段的斜率。 在此方式下，上图中的示例 f(x) 如下所示：

IloPiecewiseLinear(x, -0.5, IloNumArray(env, 3, 4., 5., 7.),
                            IloNumArray(env, 3, 2., 3., 1.), 2);

数学规划问题缩写含义

缩写

含义

IP

整数规划

LP

线性规划

MILP

混合整数线性规划

MIP

混合整数规划

MIQP

混合整数二次规划

PWL

分段线性规划

QCP

二次约束规划

QP

二次规划