Class LinearOptimizationSolution

โซลูชันการเพิ่มประสิทธิภาพเชิงเส้น

โซลูชันของโปรแกรมเชิงเส้น ตัวอย่างด้านล่างจะแก้ปัญหาโปรแกรมเชิงเส้นต่อไปนี้

ตัวแปร 2 ตัว ได้แก่ x และ y
0 ≤ x ≤ 10
0 ≤ y ≤ 5

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

วัตถุประสงค์:
เพิ่ม x + y สูงสุด 

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(`Objective  value: ${solution.getObjectiveValue()}`);
  Logger.log(`Value of x: ${solution.getVariableValue('x')}`);
  Logger.log(`Value of y: ${solution.getVariableValue('y')}`);
}

เมธอด

วิธีการประเภทการแสดงผลรายละเอียดแบบย่อ
getObjectiveValue()Numberรับค่าของฟังก์ชันวัตถุประสงค์ในโซลูชันปัจจุบัน
getStatus()Statusรับสถานะของโซลูชัน
getVariableValue(variableName)Numberรับค่าของตัวแปรในโซลูชันที่สร้างโดยการเรียกใช้ LinearOptimizationEngine.solve() ครั้งล่าสุด
isValid()Booleanพิจารณาว่าโซลูชันนั้นเป็นไปได้หรือเหมาะสมหรือไม่

เอกสารประกอบโดยละเอียด

getObjectiveValue()

รับค่าของฟังก์ชันวัตถุประสงค์ในโซลูชันปัจจุบัน 

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();
Logger.log(`ObjectiveValue: ${solution.getObjectiveValue()}`);

รีเทิร์น

Number — ค่าของฟังก์ชันวัตถุประสงค์

getStatus()

รับสถานะของโซลูชัน ก่อนที่จะแก้ปัญหา สถานะจะเป็น NOT_SOLVED 

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();
const status = solution.getStatus();

if (status !== LinearOptimizationService.Status.FEASIBLE &&
    status !== LinearOptimizationService.Status.OPTIMAL) {
  throw `No solution ${status}`;
}
Logger.log(`Status: ${status}`);

รีเทิร์น

Status — สถานะของโปรแกรมโซลูชัน

getVariableValue(variableName)

รับค่าของตัวแปรในโซลูชันที่สร้างโดยการเรียกใช้ LinearOptimizationEngine.solve() ครั้งล่าสุด 

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();
Logger.log(`Value of x: ${solution.getVariableValue('x')}`);

พารามิเตอร์

ชื่อประเภทคำอธิบาย
variableNameStringชื่อของตัวแปร

รีเทิร์น

Number — ค่าของตัวแปรในโซลูชัน

isValid()

พิจารณาว่าโซลูชันนั้นเป็นไปได้หรือเหมาะสมหรือไม่ 

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()}`;
}

รีเทิร์น

Boolean — true หากโซลูชันถูกต้อง (Status.FEASIBLE หรือ Status.OPTIMAL) false หากไม่ถูกต้อง