最优化读书笔记R（二）

线性规划

简单的线性规划（目标函数和约束都是线性函数）

R中常用lpSolve、Rglpk包来解决。lpSolve包的核心函数的lp(),lp.assign,lp.transport()依次解决简单线性规划、分配问题、生产计划和交通运输问题。用法：

简单线性规划

lp (direction = "min", objective.in, mat,dir,rhs, int.vec,binary.vec, all.int=FALSE, all.bin=FALSE)
# mat为系数矩阵 dir 约束的方向 rhs 约束的右端系数
#若为整数规划，可通过int.vec=c(i)制定序号来设定，若全是可通过all.int=TRUE实现。若为0-1规划，则可以通过all.bin=TRUE来实现。

Rglpk包的函数Rglpk_solve_LP()也可以实现上述简单线性规划。用法：

Rglpk_solve_LP(obj, mat, dir, rhs, types = NULL, max = FALSE,control = list(), ...)
#max为最大值的逻辑参数
#type 变量类型 B——0-1变量 I——正整数 C 正实数

分配问题

分配问题，此处以匈牙利问题为例，说明其在R中的实现
- lp.assign()的用法

lp.assign (mat,  "min", presolve = 0, compute.sens = 0)#mat为系数矩阵#返回的是目标值，可以通过$solution来查看具体的方案

clue包下的solve_LSAP()

solve_LSAP(mat, maximum = FALSE)
#其返回的是具体的方案，若想看目标值，可以通过以下代码实现，
y<-solve_LSAP(mat)
sum(mat[cbinds(seq_along(y),y)]

例：有一份中文说明书，需要译成日德俄英四种文字，分别有四个人来完成。每个翻译所需时间不同。问怎样分配任务可以使总的时间最小。

Mat<-matrix(c(6,7,11,2,4,5,9,8,3,1,10,4,5,9,8,2),ncol=4,byrow=TRUE)
lp.assign(Mat)#结果#Success: the objective function is 15
lp.assign(Mat)$solution#结果：[,1] [,2] [,3] [,4]
[1,]    0    0    0    1
[2,]    1    0    0    0
[3,]    0    1    0    0
[4,]    0    0    1    0#使用solve_LSAP解决问题
library(clue)
y<-solve_LSAP(Mat)
sum(Mat[cbinds(seq_along(y),y)])#结果：Optimal assignment:1 => 4, 2 => 1, 3 => 2, 4 => 3

线性约束的非线性规划问题

R中内置函数constrOptim函数专门求解约束的非线性规划。

constrOptim(theta, f, grad, ui, ci, mu = 1e-04, control = list(),method = if(is.null(grad)) "Nelder-Mead" else "BFGS", outer.eps = 1e-05, ..., hessian = FALSE)
#theta 为初始值 ui 系数矩阵 ci=rhs
#所有不等式默认是“》=”

如香蕉函数

**f(x1,x2)=(1-x1)^2+100*(x2-x1^2)^2**

s.t:

**-3x1-4x2>=12**

**-x1+2x2>=-2**

**x1>=0;x2>=0**

代码：

constrOptim(theta=c(2,1),obj.f,gr.f,Mat,rhs)

非线性约束的非线性规划

R中通过alabama包，Rsolnp(R_3.4.2上不能使用)。以下简单介绍alabama包，其核心函数为constrOptim.nl(),用法：

constrOptim.nl(par, fn, gr = NULL,hin = NULL,...)
#hin为不等式约束，所有的约束需要转化为“》=”

例:

min z=(1-x1^2)+100(x2-x1^2)^2

s.t: x1^2+x^2<=4

     x1/x2>=2

library(alabama)
hin.f<-function(x){x1<-x[1]x2<-x[2]c(-x1^2-x2^2+4,x1/x2-2)
}
constrOptim.nl(par=c(1,0.3),obj.f,gr.f,hin.f)

整数约束的非线性规

可以通过优化算法，如：遗传算法，蚁群等。

参考文献：

数据科学中的R语言李舰肖凯（2015.3）

最优化读书笔记R（二）相关推荐

最优化读书笔记R（一）
人生是场穷游,偶尔需要暴走 R读书笔记(一) 无约束的线性规划实质可以转化为求根问题 1.求单根时: uniroot(f,interval) 2.求多项式的根 f(x)=a0+a1*x....+an ...
C++prime读书笔记（二）C++标准库：IO、容器、泛型算法、动态内存
layout: post title: C++prime读书笔记(二)C++标准库:IO.容器.泛型算法.动态内存 description: C++prime读书笔记(二)C++标准库:IO.容器.泛 ...
计算复杂性读书笔记（二）：论怎么把一个证明写得有意思
2019独角兽企业重金招聘Python工程师标准>>> 计算复杂性读书笔记(二): 论怎么把一个证明写得有意思比特猪 quanzz1129@gmail.com 首先是版权声明,版权 ...
Linux设备驱动程式之读书笔记（二） [转]
http://www.sudu.cn/info/html/edu/code/20070102/286543.html setlevel.c 非常实用 google 查找 #define _syscal ...
重构（Refactoring）技巧读书笔记之二
重构(Refactoring)技巧读书笔记之二<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:of ...
深入分析Java Web技术内幕读书笔记（二）浅析DNS域名解析过程
上一篇文章<浅析Web请求过程>讲述的是如何发起HTTP请求,对于请求发起过程中很重要的一个步骤--DNS解析过程的描述是一带而过,本篇文章将跟着DNS解析过程来分析域名是如何解析的. 一 ...
cindy POSA2读书笔记（二）
POSA2读书笔记(二) 呵呵,距离第一篇已经过了半年了--这本书其实翻完已经很久了,但是实践中没有使用到的东西总是一知半解,写出来会误导大众,所以还是不写的好. 今天在为Cindy 3.0a1中并发 ...
Effective Java读书笔记（二）
Effective Java 读书笔记 (二) 创建和销毁对象遇到多个构造器参数时要考虑使用构建器创建和销毁对象何时以及如何创建对象? 何时以及如何避免创建对象? 如何确保它们能够适时地销毁? ...
《黑客与画家》读书笔记（二）
<黑客与画家>读书笔记(二) 软件的bug 在自己刚刚写好的代码中,找出bug往往会比较快.有时,你只要看到出错提示,就知道问题出在哪里,甚至都不用看源码,因为潜意识中你已经在担心那个地方 ...

最优化读书笔记R（二）

线性规划

简单的线性规划（目标函数和约束都是线性函数）

简单线性规划

分配问题

线性约束的非线性规划问题

非线性约束的非线性规划

整数约束的非线性规

数据科学中的R语言李舰肖凯（2015.3）

最优化读书笔记R（二）相关推荐

最新文章

热门文章

最优化读书笔记R（二）

线性规划

简单的线性规划（目标函数和约束都是线性函数）

简单线性规划

分配问题

线性约束的非线性规划问题

非线性约束的非线性规划

整数约束的非线性规

数据科学中的R语言 李舰 肖凯（2015.3）

最优化读书笔记R（二）相关推荐

最新文章

热门文章

数据科学中的R语言李舰肖凯（2015.3）