Optimization CVRP的条件次优消去法转换为正常消去法

Optimization CVRP的条件次优消去法转换为正常消去法,optimization,linear-programming,linearization,Optimization,Linear Programming,Linearization,我试图从以下CVRP公式中消除if条件约束 我在纸上尝试了一些大的M方法,但没有找到一个合适的重新公式。你能帮我找到解决办法吗 谢谢 您可以将方程拆分为两个不等式,然后应用big-M方法: ui + qj <= uj + M(1-xij) ui + qj >= uj - M(1-xij) ui+qj=uj-M(1-xij) 具有大M常数的模型往往很弱且数值不稳定,因此我建议选择尽可能小的常数(即,如果可能,使M依赖于ij)。要了解更多信息,请查看。您可以将方程拆分为两个不等式,

我试图从以下CVRP公式中消除if条件约束

我在纸上尝试了一些大的M方法,但没有找到一个合适的重新公式。你能帮我找到解决办法吗


谢谢

您可以将方程拆分为两个不等式,然后应用big-M方法:

ui + qj <= uj + M(1-xij)
ui + qj >= uj - M(1-xij)
ui+qj=uj-M(1-xij)

具有大M常数的模型往往很弱且数值不稳定,因此我建议选择尽可能小的常数(即,如果可能,使M依赖于ij)。要了解更多信息,请查看。

您可以将方程拆分为两个不等式,然后应用big-M方法:

ui + qj <= uj + M(1-xij)
ui + qj >= uj - M(1-xij)
ui+qj=uj-M(1-xij)

具有大M常数的模型往往很弱且数值不稳定,因此我建议选择尽可能小的常数(即,如果可能,使M依赖于ij)。要了解更多信息,请查看。

太好了!我不知道为什么我没有尝试这种配方的组合。谢谢!伟大的我不知道为什么我没有尝试这种配方的组合。谢谢!