R lpSolve-将目标函数优化到特定值
我很好奇是否有可能定义一个目标函数来优化到一个特定的值,而不仅仅是“min”或“max”。例如,我有一个函数,我想优化到100,有一些约束条件(这里省略)。 目标函数(优化为100): 实现我的目标的正确方法是什么?现在我只能将优化定义为“最小”或“最大”,这并不能解决我的目标 完整代码:R lpSolve-将目标函数优化到特定值,r,lpsolve,R,Lpsolve,我很好奇是否有可能定义一个目标函数来优化到一个特定的值,而不仅仅是“min”或“max”。例如,我有一个函数,我想优化到100,有一些约束条件(这里省略)。 目标函数(优化为100): 实现我的目标的正确方法是什么?现在我只能将优化定义为“最小”或“最大”,这并不能解决我的目标 完整代码: fn.obj <- c(3.62, 5.19, 7.29, 7.76, 3.82, 4.86, 4.03, 8.81, 9.14) require(lpSolveAPI) mo
fn.obj <- c(3.62, 5.19, 7.29, 7.76, 3.82, 4.86, 4.03, 8.81, 9.14)
require(lpSolveAPI)
model <- make.lp(0,9)
lp.control(model, sense="max", verbose="full")
set.objfn(model, fn.obj)#-8333550.82)
add.constraint(model, c(70,70,-30,70,-30,-30,-30,-30,70), ">=", 0)
add.constraint(model, c(-60,-60,40,-60,40,40,40,40,-60), ">=", 0)
add.constraint(model, c(-20,-20,80,-20,-20,80,80,-20,-20), ">=", 0)
add.constraint(model, c(30,30,-70,30,30,-70,-70,30,30), ">=", 0)
add.constraint(model, c(-30,-30,-30,-30,70,-30,-30,70,-30), ">=", 0)
add.constraint(model, c(40,40,40,40,-60,40,40,-60,40), ">=", 0)
set.bounds(model, lower=c(39232,72989,90872,63238,49579,9626,158297,300931,160556), upper=c(49041,91237,113591,79048,61974,12033,197872,376164,200696))
set.type(model, 1:9,type = "integer")
res<-solve(model)
get.variables(model)
get.objective(model)
当需要最大化目标函数时,代码运行良好。但是,如果我不想最大化,而是想优化我的目标函数,例如7000。因此,对于相同的约束条件,我想为fn.obj->1000找到可能的x1,…,x9。如果您为目标值指定的值对应于可行的解决方案,您只需将其作为约束条件添加即可。1000和7000似乎不符合任何可行的解决方案,但假设我们希望目标为8000000而不是8333551。然后添加此约束并重新运行模型
add.constraint(model, fn.obj, "=", 8000000)
用原始代码更新了我的问题。
> get.variables(model)
[1] 49041 91237 113591 79048 61974 12033 197872 376164 200696
> get.objective(model)
[1] 8333551
add.constraint(model, fn.obj, "=", 8000000)