Yalmip使用学习 配置cplex求解器 实例
yalmip学习
0. yalmip简介
0.1 什么是yalmip
yalmip是由Lofberg开发的一种免费的优化求解工具，其最大特色在于集成许多外部的最优化求解器，形成一种统一的建模求解语言，提供了Matlab的调用API，减少学习者学习成本。
1.介绍
首先，yalmip是一个matlab的工具包，通过matlab实现各种操作和调用。
其次，它是一个建模工具，甚至可以称为一种“语言”，通过这种“语言”来描述模型，然后再调用其他求解器（如gurobi、cplex等）来求解模型。相当于一个将“yalmip语言”转换成其他求解器“语言”的语言转换器。
不同的求解器有不同的专用语言，学习多个语言即冗余又浪费精力，所以，yalmip的珍贵之处就体现出来了。
更为可贵的是，yalmip真正实现了建模和算法二者的分离，它提供了一种统一的、简单的建模语言，针对所有的规划问题，都可以用这种统一的方式建模；至于用哪种求解算法，你只需要通过一次简单的参数配置指定就可以了，甚至不用你指定，yalmip会自动为你选择最适合的算法。
有了yalmip，你不再需要针对每一种工具包去学习特定的建模语言（比如用cplex要专门学习cplex的建模语言，用lingo要专门学习lingo的建模语言，还有GLPK、lpsolve、Matlab自带的求解器等等，如果每一种求解器都要学习新的建模语言的话，这个工作量是可想而知的）。相反，如果你选择使用yalmip，那么你只需要学习yalmip一种建模语法，因为yalmip真正实现了建模和算法的分离，所有的问题都可以用统一的方法建模，如果需要使用不同的求解器，只需要一句简单的配置即可。因此，yalmip不仅仅是一个线性规划求解器，更强大的地方在于，它提供了一个统一的建模平台，支持现有的几乎所有的求解算法。有了yalmip，一切都变得简单起来。
以上摘自博客《yalmip + lpsolve + matlab 求解混合整数线性规划问题（MIP/MILP）》
0.2 yalmip安装方式
2.安装
这里以MATLAB的安装方式为例
官网下载https://yalmip.github.io/ download 即可 ，可得到YALMIP-master .zip
解压至matlab/toolbox
matlab中设置路径，注意：要将压缩包内的子文件夹都加入路径，选择“添加并包含子文件夹”来添加路径；
检查是否配置成功：matlab中调用yalmitest命令，查看所有支持的求解器已经他们的安装状态。
最后键入which sdpvar命令，显示sdpvar路径则安装成功
以下参考博文 https://www.jianshu.com/p/e1c45b3d8d8a
使用yalmip求解优化问题的步骤
1.yalmip求解优化问题的四部曲
1.1 创建决策变量
yalmip一共有三种方式创建决策变量，分别为:
- sdpvar-创建实数型决策变量
- intvar-创建整数型决策变量
- binvar-创建0/1型决策变量
不过值得注意的是，在创建n*n的决策变量时，yalmip默认是对称方阵。
所以要创建非对称方针时，需要这样写：xxxvar(n,n,'full')
1.2 添加约束条件
比起matlab自带的各种优化函数所要写明的约束条件，yalmip的约束条件写起来是非常舒适直观的。符合人类直觉
比如要写入0<=x1+x2+x3<=1。
那么可以这样写:
% 创建决策变量
x = sdpvar(1,3);
% 添加约束条件
C = [0<=x(1)+x(2)+x(3)<=1];1.3 参数配置
关于参数设置，我们大多数是用来设置求解器solver的，当然还有其它的选项，可以通过doc sdpsettings查看。
1.4 求解问题
最后就是求解问题了。
首先要明确求解目标z，yalmip默认是求解最小值问题，所以遇到求解最大值的问题，只需要在原问题的基础上添加一个负号即可。
求解调用格式：
求解调用格式：optimize(target,constraints,opstions)1.5 几个常用的其它指令
- check：可以检查约束条件是否被满足（检查约束条件的余值）
- value：可以查看变量或表达式的值
- assign: 可以给变量赋值，这个命令调试时很重要
2.举两个小栗子
2.1 简单例子（求最小值）
clear;clc;close all
x = sdpvar(1,3);
z = 2*x(1) + 3*x(2) + x(3);
c = [x(1) + 4*x(2) + 2*x(3) >= 83*x(1) + 2*x(2) >= 6x(1), x(2), x(3) > 0];result = optimize(c,z);if result.problem == 0 % 求解成功xresult = value(x)zresult = value(z)
elsedisp('求解出错')
end
运行结果如下
CPXPARAM_MIP_Display 1
Tried aggregator 1 time.
LP Presolve eliminated 3 rows and 0 columns.
Reduced LP has 2 rows, 3 columns, and 5 nonzeros.
Presolve time = 0.02 sec. (0.00 ticks)Iteration log . . .
Iteration: 1 Dual objective = 4.000000xresult =2 0 3zresult =7当然该问题也可以直接用 matlab自带的linprog进行求解，代码如下
c = [2 3 1]
a = [1 4 2;3 2 0];
b = [8;6];
[x,z] = linprog(c,-a,-b,[],[],zeros(3,1))
结果如下，与上面的一致。
Optimal solution found.x =2.000003.0000z =7.0000
2.2 简单例子（求最大值）
% 清除工作区
clear;clc;close all;
% 创建决策变量
x = sdpvar(1,2);
% 添加约束条件
C = [x(1) + x(2) >= 2x(2)-x(1) <=1x(1)<=1];
% 配置
ops = sdpsettings('verbose',0,'solver','lpsolve');
% 目标函数
z = -(x(1)+2*x(2))/(2*x(1)+x(2)); % 注意这是求解最大值
% 求解
reuslt = optimize(C,z);
if reuslt.problem == 0 % problem =0 代表求解成功value(x)-value(z) % 反转
elsedisp('求解出错');
end求解结果:
3. 1 配置cplex求解器 简单例子（求最大值）
%求解如下非线性规划问题% 清除工作区
clear;clc;close all;
% 创建决策变量
x = sdpvar(1,2);
% 添加约束条件
C = [x(1) + x(2) >= 2x(2)-x(1) <=1x(1)<=1];
% 配置
ops = sdpsettings('verbose',0,'solver','cplex');
% 目标函数
z = -(x(1)+2*x(2))/(2*x(1)+x(2)); % 注意这是求解最大值
% 求解
reuslt = optimize(C,z);
if reuslt.problem == 0 % problem =0 代表求解成功value(x)-value(z) % 反转
elsedisp('求解出错');
end求解结果:
3. 2 配置cplex求解器 简单例子（求最小值）
clear;clc;close all;
%定义变量
x=sdpvar(2,1);%约束条件
constraint=[];
constraint=[constraint,x(1)+x(2)>350];
constraint=[constraint,x(1)>100];
constraint=[constraint,2*x(1)+x(2)<600];
constraint=[constraint,x(2)>0];
%求解
%ops = sdpsettings('solver','cplex','verbose',1);
% ops.cplex.display='on';
% ops.cplex.timelimit=600;
% ops.cplex.mip.tolerances.mipgap=0.001;% 诊断求解可行性
% disp('开始求解')
% diagnostics=optimize(constraint,obj,ops);
% if diagnostics.problem==0
% disp('Solver thinks it is feasible')
% elseif diagnostics.problem == 1
% disp('Solver thinks it is infeasible')
% pause();
% else
% disp('Timeout, Display the current optimal solution')
% end% 配置
ops = sdpsettings('solver','cplex'); %配置求解方法为调用 CPLEX%目标函数
obj=2*x(1)+3*x(2);% 求解
reuslt = optimize(constraint,obj,ops); %Yalmip优化求解的命令
if reuslt.problem == 0 % problem =0 代表求解成功value(x)value(obj)
elsedisp('求解出错');
end
求解结果:
YALMIP符号变量
在YALMIP中最重要的命令是sdpvar，用于定义决策变量。
1.1定义一个n行m列矩阵（或标量）的方法如下：
P = sdpvar(n,m);
1.2方阵默认为对称阵。若需要定义一个完全参数化（即不一定对称）的方阵，还需要输入第三个参数：
P = sdpvar(3,3,'full');
1.3如果在上述代码中省略句尾的分号，或直接在命令行输入“P”后回车，可以查看此矩阵的性质。结果如下所示：
Linear matrix variable 3x3 (full, real, 9 variables)
第三个参数也可以用于获得一系列预定义的变量，如Toeplitz、Hankel、对角、对称和斜对称矩阵等（更多细节请参考sdpvar）。当然，也可以用常规方法来定义向量，如下所示：
x = sdpvar(n,1); % 向量
D = diag(x) ; % 对角矩阵
H = hankel(x); % Hankel矩阵
T = toeplitz(x); % Toeplitz矩阵
标量可以通过如下三种方法来定义：
x = sdpvar(1,1); y = sdpvar(1,1);
x = sdpvar(1); y = sdpvar(1);
sdpvar x y
sdpvar对象在MATLAB中的使用方法和任何其他变量一样，大多数函数都是重载的。因此，以下命令是有效的：
P = sdpvar(3,3) + diag(sdpvar(3,1));
X = [P P;P eye(length(P))] + 2*trace(P);
Y = X + sum(sum(P*rand(length(P)))) + P(end,end)+hankel(X(:,1));% eye()函数用于返回单位矩阵，如eye(n)将返回n*n单位矩阵
% trace()函数用于求矩阵的迹
% end函数返回下标的最大值
在码代码时，如果对YALMIP不太熟悉，建议养成查看表达式和变量的习惯，看看它们的属性是否与期望相符。举个栗子，若定义正确，上文代码所得的X应该是一个6x6实对称矩阵。根据下文对X的查看结果可得，它确实是一个由9个变量构成的对称6x6矩阵。
>> X
Linear matrix variable 6x6 (symmetric, real, 9 variables)
在某些情况下，可以使用多维变量来简化编码。YALMIP支持两种不同的构造：元胞数组和多维sdpvar对象。元胞数组格式只是以下代码的抽象化：
for i = 1:5X{i} = sdpvar(2,3);
end
通过在sdpvar中设置向量维数，上文的元胞数组还可以用下述方法设置：
X = sdpvar([2 2 2 2 2],[3 3 3 3 3]);
此元胞数组可以在MATLAB中正常使用。但这种定义方法的缺陷在于变量X不能直接用作标准的sdpvar对象（在MATLAB中，plus等运算符在单元格上不可重载）。因此，可以使用完全通用的多维sdpvar创建一个等价对象：
X = sdpvar(2,3,5);
通过这种方法，我们可以用标准的MATLAB代码直接对这个对象进行操作：
Y = sum(X,3)
X(:,:,2)
根据标准YALMIP语法，如果前两个维度相同，那么前两个面就是对称的。要创建完全参数化的高维变量，需要给定一个“full”标志：
X = sdpvar(2,2,2,2,'full');
有关多维变量的示例请查看Sudoku example。
约束条件
n = 3;
P = sdpvar(n,n);
C = [P>=0];
P = sdpvar(n,n);
C = [P(:)>=0];
C = [triu(P)>=0]; % triu()函数用于抽取上三角矩阵
C = [P(find(triu(ones(n))))>=0];
根据上述规则，可以使用>=运算符定义具有正元素的非平方矩阵（即非对称矩阵），如下所示：
P = sdpvar(n,2*n);
C = [P>=0];
P = sdpvar(n,n,'full');
C = [P>=0];
P = sdpvar(n,n);
C = [P>=0] + [P(1,1)>=2];
C = [P>=0, P(1,1)>=2];
定义约束时所涉及的表达式中可以包括任意sdpvar对象，等式约束（==）和不等式约束（<=）也都可以使用，如下所示：
C = [P>=0, P(1,1)<=2, sum(sum(P))==10
++++++++++++++++++++++++++++++++++++++
| ID| Constraint|
++++++++++++++++++++++++++++++++++++++
| #1| Matrix inequality 3x3|
| #2| Element-wise inequality 1x1|
| #3| Equality constraint 1x1|
++++++++++++++++++++++++++++++++++++++
F = [0 <= P(1,1) <= 2];
my_tolerance_for_strict = 1e-5;
F = [0 <= P(1,1) <= 2-my_tolerance_for_strict];
F = [0 <= P(1,1) <= 2];
for i = 2:n-1F = [F, P(i,1) <= P(2,i) - P(i,i)];
end
在定义了变量和约束之后，就可以进行各类优化问题的求解了。接下来我们将从线性规划开始，学习一系列普通规划问题及其MATLAB实现方法。
Yalmip使用学习 配置cplex求解器 实例相关推荐
- 在matlab中通过yalmip平台调用cplex求解器，可用于求解MILP问题，适合于综合能源系统优化求解（完整程序分享）
综合能源系统优化求解 完整程序: %% 请先确保YALMIP工具箱和CPLEX正确安装,MATLAB导入对应文件,否则无法运行程序!! %CPLEX免费试用版对求解规模有限制,如出现规模过大无法求解, ...
- 利用matlab调用cplex求解器时遇到猫图是什么原因呢
再利用cplex求解器求解目标函数最小值时,我们会遇到各种各种的困难,其中就是运行结果出现猫图,这是什么原因呢? 下面我就用一个函数求过程来举例说明: 下面展示一些 内联代码片. // 程序如下 cl ...
- 强化学习 求解迷宫问题_使用天真强化学习的迷宫求解器
强化学习 求解迷宫问题 This is a short maze solver game I wrote from scratch in python (in under 260 lines) usi ...
- CST微波工作室学习笔记—9.求解器
CST微波工作室_求解器详解 - 求解器的分类 Time Domain Solver--时域求解器 Frequency Domain Solver--频域求解器 Eigenmode Solver--本 ...
- comsol学习笔记之求解器不收敛
问题分析: 尝试修改阻尼系数 引起这一问题的原因: 1.初值选取不恰当 2.求解器和被解答的问题不匹配 3.稳定性出现了问题
- 【求解器】超级强大的数学规划模型求解器Cplex，导入idea+java代码简单案例详解
文章目录 前言 一.下载cplex 二.使用步骤 1.打开idea,创建一个新项目 2.导入cplex的包 3.测试,用cplex求解一个简单的线性规划问题 总结 前言 CPLEX是一种数学优化技术. ...
- 深度学习之多层感知器及激活函数
目录 一.多层感知机MLP 1.1定义 二.MLP实现非线性分类 2.1MLP实现与门 2.2MLP实现非与门 2.3MLP实现或门 2.4MLP实现同或门 三.MLP实现多分类 四.激活函数 4.1 ...
- c++调用cplex求解例子_Java调用cplex求解运输问题
Java调用cplex求解运输问题 本文中的课件来自清华大学深圳国际研究生院,物流与交通学部张灿荣教授<生产管理>课程. 运输问题(Transportation Problem)描述 运输 ...
- Java调用cplex求解运输问题
Java调用cplex求解运输问题 Java调用cplex求解运输问题 运输问题(Transportation Problem)描述 运输问题的数学模型 Java调用cplex求解运输问题 trans ...
最新文章
- 通过公历年计算天干地支
- NameValueCollection类总结和一个例子源码
- 提高生产力：文件和IO操作(ApacheCommonsIO-汉化分享)
- 学会python怎么赚钱 贴吧_我月薪5000，靠Python搞副业月入3万
- [html] 如何设置打印尺寸？
- Gartner：2025年有效细分市场中过半企业的 IT 支出将转向云
- Android 之数据传递小结
- css模拟select设置高度在ie67下有效（也可作为去除边框）
- Fiddler—PC上实现手机的抓包
- ios icon尺寸问题
- html 源码_（带手机版数据同步）中国风古典园林石业织梦模板 水墨风格园林艺术网站源码下载...
- 一起撸个简单粗暴的Tv应用主界面的网格布局控件（上）
- 耳机插在主机后面声音很小,音频软件测试很大声音,如何解决电脑前面耳机没声音后面却正常的问题...
- 【Python Programe】使用Python发送语音验证
- 腾讯战华为：一场「渠道」之争背后，游戏行业变天了
- 【 C++ OpenCV画旋转矩形 并返回四个顶点 】
- unity shader相关工具教程
- python中re.sub函数使用
- 玩转字符串篇--代码自动生成，解放双手，android音视频开发
- 分布式存储系统-Ceph简单分析