我正在寻找解决类似TSP问题的建议或资源,但在以下方面:
允许用叉子.推销员可以在每个城市复制自己;
开始和结束位置并不重要,而且可能有所不同。
这意味着,考虑到这些城市(其中x是城市,每个x之间的视觉空间与城市之间的距离成正比):
x
x x
x
一个常规的TSP解决方案可以是:
x
|\
| x-x
| /
x-/
但我想要这种解决办法,根据新的规则,这是更好的办法:
x
\
x-x
/
x
这个问题是否有一个名称,是否有一些关于优化解决方案的出版物?
我计划将一些R代码转换为Scala,然后介绍了一个名为的函数。它看起来像是SPG的包装器,但由于我对数学知之甚少,我不知道在Scala中等效的代码是什么。
例如,是否可以将下面的代码转换为Scala?或者,有没有替代方案?我怀疑库中的SpectralProjectedGradient或NonLinearMinimizer可能会被使用。
# Use a preset seed so test values are reproducable.
require("setRNG")
old.seed <- setRNG(list(kind="Mersenne-Twist
我正在准备一次考试,我们得到了一组练习题。这是我正在努力解决的一个问题,我希望有人能帮助我了解一下解决这个问题的正确方法:
下面是我对这个问题的初步探讨:
决策版本:为了找到使用决策版本的最优解,我会尝试使用各种K,直到得到一个“是”的答案。假设优化的解决方案是7,我会尝试:
k=1, no
k=2, no
k=3, no
k=4, no
k=5, no
k=6, no
k=7, yes.
所以现在我们知道最优解是7个桶,我们通过从最大到最小的大小排序来解决决策版本,然后填充最大到最小的垃圾箱,然后在垃圾箱上循环,直到它们不再是集合中的元素。
如果我们有一个最优解,并且我们想要解决决策
我正在用Python设置一个新的线性优化代码。不幸的是,我没有相同的结果与Pulp,Scipy和Gekko软件包。
我尝试用不同的包实现Python中的线性优化代码。
利用GEKKO进行优化
from gekko import GEKKO
import numpy as np
import matplotlib.pyplot as plt
m = GEKKO() # create GEKKO model
x = m.Var(value=0, lb=0, ub=400000) # define new variable, initial value=
我有一个听起来像这样的问题:一家公司在4个不同的(A,B,C,D)地点有4辆出租车。4个人(W X Y Z)打电话给公司,说他们需要一辆出租车。我需要找到出租车到达他们的人的最快方式,知道一辆出租车只能载一个人,而且每辆出租车都在其目的地和人们的目的地之间分配了一个值。
我正在考虑用所有可能的组合来构建一棵树,例如: AW-BX-CY-DZ或AX-BW-CY-DZ等,并找到每个组合的最小成本,但我需要使用DFS或贪婪的BFS方法来解决这个问题。你知道这是怎么回事吗?我无法想象。
我只想知道如何使用DFS/GBFS解决这个问题。我不知道它将如何进行,也不知道搜索何时结束,因为我正在寻找使用的最小
我有一个由一些变量和线性约束定义的线性问题,我想知道每个变量的可能值区间。
例如,对于变量a、b和c,以及约束a>b、b>c和a+b+c=100,我们有:
a in [33.33-100] b in [0-50] c in [0-33.33]
现在,我的解决方案是使用的线性规划求解器,并将每个变量设置为优化函数,使其最大化,具有上界,然后最小化,使其具有其下界。
这使我在每个变量中重复两次求解步骤,这可能不是最优的。
有人知道有一个工具专门用来寻找线性规划变量可能的解区间吗?