Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

Class LinearOptimizationEngine

선형 프로그램을 모델링하고 해결하는 데 사용되는 엔진입니다. 아래 예에서는 다음 선형 프로그램을 해결합니다.

두 변수, x 및 y:
0 ≤ x ≤ 10
0 ≤ y ≤ 5

제약 조건:
0 ≤ 2 * x + 5 * y ≤ 10
0 ≤ 10 * x + 3 * y ≤ 20

목표:
x + y 최대화

const engine = LinearOptimizationService.createEngine();

// Add variables, constraints and define the objective with addVariable(),
// addConstraint(), etc Add two variables, 0 <= x <= 10 and 0 <= y <= 5
engine.addVariable('x', 0, 10);
engine.addVariable('y', 0, 5);

// Create the constraint: 0 <= 2 * x + 5 * y <= 10
let constraint = engine.addConstraint(0, 10);
constraint.setCoefficient('x', 2);
constraint.setCoefficient('y', 5);

// Create the constraint: 0 <= 10 * x + 3 * y <= 20
constraint = engine.addConstraint(0, 20);
constraint.setCoefficient('x', 10);
constraint.setCoefficient('y', 3);

// Set the objective to be x + y
engine.setObjectiveCoefficient('x', 1);
engine.setObjectiveCoefficient('y', 1);

// Engine should maximize the objective
engine.setMaximization();

// Solve the linear program
const solution = engine.solve();
if (!solution.isValid()) {
  Logger.log(`No solution ${solution.getStatus()}`);
} else {
  Logger.log(`Value of x: ${solution.getVariableValue('x')}`);
  Logger.log(`Value of y: ${solution.getVariableValue('y')}`);
}

메서드

메서드	반환 유형	간략한 설명
`addConstraint(lowerBound, upperBound)`	`LinearOptimizationConstraint`	모델에 새로운 선형 제약 조건을 추가합니다.
`addConstraints(lowerBounds, upperBounds, variableNames, coefficients)`	`LinearOptimizationEngine`	모델에 제약 조건을 일괄적으로 추가합니다.
`addVariable(name, lowerBound, upperBound)`	`LinearOptimizationEngine`	모델에 새 연속 변수를 추가합니다.
`addVariable(name, lowerBound, upperBound, type)`	`LinearOptimizationEngine`	모델에 새 변수를 추가합니다.
`addVariable(name, lowerBound, upperBound, type, objectiveCoefficient)`	`LinearOptimizationEngine`	모델에 새 변수를 추가합니다.
`addVariables(names, lowerBounds, upperBounds, types, objectiveCoefficients)`	`LinearOptimizationEngine`	모델에 변수를 일괄적으로 추가합니다.
`setMaximization()`	`LinearOptimizationEngine`	최적화 방향을 선형 목표 함수를 최대화하도록 설정합니다.
`setMinimization()`	`LinearOptimizationEngine`	최적화 방향을 선형 목표 함수 최소화로 설정합니다.
`setObjectiveCoefficient(variableName, coefficient)`	`LinearOptimizationEngine`	선형 목적 함수의 변수 계수를 설정합니다.
`solve()`	`LinearOptimizationSolution`	기본 기한인 30초로 현재 선형 프로그램을 해결합니다.
`solve(seconds)`	`LinearOptimizationSolution`	현재 선형 계획법을 해결합니다.

자세한 문서

`addConstraint(lowerBound, upperBound)`

모델에 새로운 선형 제약 조건을 추가합니다. 제약 조건의 상한과 하한은 생성 시점에 정의됩니다. 변수의 계수는 LinearOptimizationConstraint.setCoefficient(variableName, coefficient) 호출을 통해 정의됩니다.

const engine = LinearOptimizationService.createEngine();

// Create a linear constraint with the bounds 0 and 10
const constraint = engine.addConstraint(0, 10);

// Create a variable so we can add it to the constraint
engine.addVariable('x', 0, 5);

// Set the coefficient of the variable in the constraint. The constraint is now:
// 0 <= 2 * x <= 5
constraint.setCoefficient('x', 2);

매개변수

이름	유형	설명
`lowerBound`	`Number`	제약 조건의 하한
`upperBound`	`Number`	제약 조건의 상한

리턴

LinearOptimizationConstraint: 생성된 제약 조건

`addConstraints(lowerBounds, upperBounds, variableNames, coefficients)`

모델에 제약 조건을 일괄적으로 추가합니다.

const engine = LinearOptimizationService.createEngine();

// Add a boolean variable 'x' (integer >= 0 and <= 1) and a real (continuous >=
// 0 and <= 100) variable 'y'.
engine.addVariables(
    ['x', 'y'],
    [0, 0],
    [1, 100],
    [
      LinearOptimizationService.VariableType.INTEGER,
      LinearOptimizationService.VariableType.CONTINUOUS,
    ],
);

// Adds two constraints:
//   0 <= x + y <= 3
//   1 <= 10 * x - y <= 5
engine.addConstraints(
    [0.0, 1.0],
    [3.0, 5.0],
    [
      ['x', 'y'],
      ['x', 'y'],
    ],
    [
      [1, 1],
      [10, -1],
    ],
);

매개변수

이름	유형	설명
`lowerBounds`	`Number[]`	제약 조건의 하한
`upperBounds`	`Number[]`	제약 조건의 상한
`variableNames`	`String[][]`	계수가 설정되는 변수의 이름
`coefficients`	`Number[][]`	계수가 설정됨

리턴

LinearOptimizationEngine - 선형 최적화 엔진

`addVariable(name, lowerBound, upperBound)`

모델에 새 연속 변수를 추가합니다. 변수는 이름으로 참조됩니다. 유형이 VariableType.CONTINUOUS로 설정됩니다.

const engine = LinearOptimizationService.createEngine();
const constraint = engine.addConstraint(0, 10);

// Add a boolean variable (integer >= 0 and <= 1)
engine.addVariable('x', 0, 1, LinearOptimizationService.VariableType.INTEGER);

// Add a real (continuous) variable. Notice the lack of type specification.
engine.addVariable('y', 0, 100);

매개변수

이름	유형	설명
`name`	`String`	변수의 고유한 이름
`lowerBound`	`Number`	변수의 하한
`upperBound`	`Number`	변수의 상한

리턴

LinearOptimizationEngine - 선형 최적화 엔진

`addVariable(name, lowerBound, upperBound, type)`

모델에 새 변수를 추가합니다. 변수는 이름으로 참조됩니다.

const engine = LinearOptimizationService.createEngine();
const constraint = engine.addConstraint(0, 10);

// Add a boolean variable (integer >= 0 and <= 1)
engine.addVariable('x', 0, 1, LinearOptimizationService.VariableType.INTEGER);

// Add a real (continuous) variable
engine.addVariable(
    'y',
    0,
    100,
    LinearOptimizationService.VariableType.CONTINUOUS,
);

매개변수

이름	유형	설명
`name`	`String`	변수의 고유한 이름
`lowerBound`	`Number`	변수의 하한
`upperBound`	`Number`	변수의 상한
`type`	`VariableType`	변수 유형이며 `VariableType` 중 하나일 수 있습니다.

리턴

LinearOptimizationEngine - 선형 최적화 엔진

`addVariable(name, lowerBound, upperBound, type, objectiveCoefficient)`

모델에 새 변수를 추가합니다. 변수는 이름으로 참조됩니다.

const engine = LinearOptimizationService.createEngine();
const constraint = engine.addConstraint(0, 10);

// Add a boolean variable (integer >= 0 and <= 1)
engine.addVariable(
    'x',
    0,
    1,
    LinearOptimizationService.VariableType.INTEGER,
    2,
);
// The objective is now 2 * x.

// Add a real (continuous) variable
engine.addVariable(
    'y',
    0,
    100,
    LinearOptimizationService.VariableType.CONTINUOUS,
    -5,
);
// The objective is now 2 * x - 5 * y.

매개변수

이름	유형	설명
`name`	`String`	변수의 고유한 이름
`lowerBound`	`Number`	변수의 하한
`upperBound`	`Number`	변수의 상한
`type`	`VariableType`	변수 유형이며 `VariableType` 중 하나일 수 있습니다.
`objectiveCoefficient`	`Number`	변수의 목표 계수

리턴

LinearOptimizationEngine - 선형 최적화 엔진

`addVariables(names, lowerBounds, upperBounds, types, objectiveCoefficients)`

모델에 변수를 일괄적으로 추가합니다. 변수는 이름으로 참조됩니다.

const engine = LinearOptimizationService.createEngine();

// Add a boolean variable 'x' (integer >= 0 and <= 1) and a real (continuous >=0
// and <= 100) variable 'y'.
engine.addVariables(
    ['x', 'y'],
    [0, 0],
    [1, 100],
    [
      LinearOptimizationService.VariableType.INTEGER,
      LinearOptimizationService.VariableType.CONTINUOUS,
    ],
);

매개변수

이름	유형	설명
`names`	`String[]`	변수의 고유한 이름
`lowerBounds`	`Number[]`	변수의 하한
`upperBounds`	`Number[]`	변수의 상한
`types`	`VariableType[]`	변수 유형은 `VariableType` 중 하나일 수 있습니다.
`objectiveCoefficients`	`Number[]`	변수의 목표 계수

리턴

LinearOptimizationEngine - 선형 최적화 엔진

`setMaximization()`

최적화 방향을 선형 목표 함수를 최대화하도록 설정합니다.

const engine = LinearOptimizationService.createEngine();

// Add a real (continuous) variable. Notice the lack of type specification.
engine.addVariable('y', 0, 100);

// Set the coefficient of 'y' in the objective.
// The objective is now 5 * y
engine.setObjectiveCoefficient('y', 5);

// We want to maximize.
engine.setMaximization();

리턴

LinearOptimizationEngine - 선형 최적화 엔진

`setMinimization()`

최적화 방향을 선형 목표 함수 최소화로 설정합니다.

const engine = LinearOptimizationService.createEngine();

// Add a real (continuous) variable. Notice the lack of type specification.
engine.addVariable('y', 0, 100);

// Set the coefficient of 'y' in the objective.
// The objective is now 5 * y
engine.setObjectiveCoefficient('y', 5);

// We want to minimize
engine.setMinimization();

리턴

LinearOptimizationEngine - 선형 최적화 엔진

`setObjectiveCoefficient(variableName, coefficient)`

선형 목적 함수의 변수 계수를 설정합니다.

const engine = LinearOptimizationService.createEngine();

// Add a real (continuous) variable. Notice the lack of type specification.
engine.addVariable('y', 0, 100);

// Set the coefficient of 'y' in the objective.
// The objective is now 5 * y
engine.setObjectiveCoefficient('y', 5);

매개변수

이름	유형	설명
`variableName`	`String`	계수가 설정되는 변수의 이름
`coefficient`	`Number`	목표 함수의 변수 계수

리턴

LinearOptimizationEngine - 선형 최적화 엔진

`solve()`

기본 기한인 30초로 현재 선형 프로그램을 해결합니다. 찾은 해결 방법을 반환합니다.

const engine = LinearOptimizationService.createEngine();

// Add variables, constraints and define the objective with addVariable(),
// addConstraint(), etc
engine.addVariable('x', 0, 10);

// ...

// Solve the linear program
const solution = engine.solve();
if (!solution.isValid()) {
  throw `No solution ${solution.getStatus()}`;
}
Logger.log(`Value of x: ${solution.getVariableValue('x')}`);

리턴

LinearOptimizationSolution - 최적화 솔루션

`solve(seconds)`

현재 선형 계획법을 해결합니다. 찾은 솔루션과 최적의 솔루션인지 여부를 반환합니다.

const engine = LinearOptimizationService.createEngine();

// Add variables, constraints and define the objective with addVariable(),
// addConstraint(), etc
engine.addVariable('x', 0, 10);

// ...

// Solve the linear program
const solution = engine.solve(300);
if (!solution.isValid()) {
  throw `No solution ${solution.getStatus()}`;
}
Logger.log(`Value of x: ${solution.getVariableValue('x')}`);

매개변수

이름	유형	설명
`seconds`	`Number`	문제를 해결하기 위한 기한(초)입니다. 최대 기한은 300초입니다.

리턴

LinearOptimizationSolution - 최적화 솔루션

Class LinearOptimizationEngine 컬렉션을 사용해 정리하기 내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.

메서드

자세한 문서

addConstraint(lowerBound, upperBound)

매개변수

리턴

addConstraints(lowerBounds, upperBounds, variableNames, coefficients)

매개변수

리턴

addVariable(name, lowerBound, upperBound)

매개변수

리턴

addVariable(name, lowerBound, upperBound, type)

매개변수

리턴

addVariable(name, lowerBound, upperBound, type, objectiveCoefficient)

매개변수

리턴

addVariables(names, lowerBounds, upperBounds, types, objectiveCoefficients)

매개변수

리턴

setMaximization()

리턴

setMinimization()

리턴

setObjectiveCoefficient(variableName, coefficient)

매개변수

리턴

solve()

리턴

solve(seconds)

매개변수

리턴

Class LinearOptimizationEngine

`addConstraint(lowerBound, upperBound)`

`addConstraints(lowerBounds, upperBounds, variableNames, coefficients)`

`addVariable(name, lowerBound, upperBound)`

`addVariable(name, lowerBound, upperBound, type)`

`addVariable(name, lowerBound, upperBound, type, objectiveCoefficient)`

`addVariables(names, lowerBounds, upperBounds, types, objectiveCoefficients)`

`setMaximization()`

`setMinimization()`

`setObjectiveCoefficient(variableName, coefficient)`

`solve()`

`solve(seconds)`