เริ่มต้นใช้งาน

ตัวอย่างนี้แสดงวิธีสร้าง แก้โจทย์ และสำรวจผลลัพธ์ของโปรแกรมเชิงเส้นแบบง่าย (LP) โดยใช้ MathOpt ข้อมูลเกี่ยวกับการติดตั้ง หรือเครื่องมือ อยู่ในคำแนะนำในการติดตั้ง หมายเหตุเพิ่มเติมเกี่ยวกับวิธีสร้างและเรียกใช้จากแหล่งที่มาจะเลื่อนไปยังตอนท้าย

สร้างโมเดล MathOpt

ในแหล่งที่มา โดยทั่วไปคุณจะต้องเพิ่มทรัพยากร Dependency MathOpt รายการเท่านั้นต่อไปนี้

Python

from ortools.math_opt.python import mathopt

C++

#include <iostream>
#include <ostream>

#include "absl/log/check.h"
#include "absl/status/statusor.h"
#include "ortools/base/init_google.h"
#include "ortools/math_opt/cpp/math_opt.h"

ปัญหาการเขียนโปรแกรมเชิงเส้นต่อไปนี้ใช้ตลอดทั้งคู่มือนี้ และแก้ได้ด้วย GLOP

$$\begin{aligned} &\max &x + 2 \cdot y\\ &\text{subject to} &x + y &\leq 1.5 \\ &&-1 \leq x &\leq 1.5 \\ &&0 \leq y &\leq 1 \end{aligned}$$

ก่อนอื่น ให้สร้างโมเดล ดังนี้

Python

# Build the model.
model = mathopt.Model(name="getting_started_lp")
x = model.add_variable(lb=-1.0, ub=1.5, name="x")
y = model.add_variable(lb=0.0, ub=1.0, name="y")
model.add_linear_constraint(x + y <= 1.5)
model.maximize(x + 2 * y)

C++

// Build the model.
namespace math_opt = ::operations_research::math_opt;
math_opt::Model lp_model("getting_started_lp");
const math_opt::Variable x = lp_model.AddContinuousVariable(-1.0, 1.5, "x");
const math_opt::Variable y = lp_model.AddContinuousVariable(0.0, 1.0, "y");
lp_model.AddLinearConstraint(x + y <= 1.5, "c");
lp_model.Maximize(x + 2 * y);

แก้และตรวจสอบคำตอบ

ถัดมา ให้กำหนดพารามิเตอร์สำหรับการแก้ปัญหา การแก้ปัญหาโมเดลการเพิ่มประสิทธิภาพด้วย MathOpt ที่กำหนดค่าได้สูง มีพารามิเตอร์ที่ไม่ขึ้นกับเครื่องมือแก้โจทย์ (เช่น เปิดใช้งานเอาต์พุต), พารามิเตอร์เฉพาะสำหรับเครื่องมือแก้โจทย์ (เช่น GlopParameters. Optimization_RULE) พารามิเตอร์ที่ขึ้นอยู่กับพร็อพเพอร์ตี้ของโมเดล (เช่น ลำดับความสำคัญของการแตกแขนง) การเรียกกลับสำหรับบันทึกเครื่องมือแก้โจทย์ และการเรียกกลับเพื่อตรวจสอบและควบคุมการเพิ่มประสิทธิภาพ โค้ดต่อไปนี้จะเปิดบันทึกเครื่องมือแก้โจทย์คณ

Python

# Set parameters, e.g. turn on logging.
params = mathopt.SolveParameters(enable_output=True)

C++

// Set parameters, e.g. turn on logging.
math_opt::SolveArguments args;
args.parameters.enable_output = true;

หากต้องการแก้โจทย์โดยใช้ GLOP ซึ่งเป็นเครื่องมือแก้โจทย์ LP ที่ใช้รูปแบบอย่างง่ายของ Google ให้ใช้ฟังก์ชัน Solve()

Python

# Solve and ensure an optimal solution was found with no errors.
# (mathopt.solve may raise a RuntimeError on invalid input or internal solver
# errors.)
result = mathopt.solve(model, mathopt.SolverType.GLOP, params=params)
if result.termination.reason != mathopt.TerminationReason.OPTIMAL:
    raise RuntimeError(f"model failed to solve: {result.termination}")

C++

// Solve and ensure an optimal solution was found with no errors.
const absl::StatusOr<math_opt::SolveResult> result =
    math_opt::Solve(lp_model, math_opt::SolverType::kGlop, args);
CHECK_OK(result.status());
CHECK_OK(result->termination.EnsureIsOptimal());

สุดท้าย ให้ตรวจสอบค่าวัตถุประสงค์ของโซลูชันที่เหมาะสมที่สุด และค่าตัวแปรที่เหมาะสมที่สุด โปรดทราบว่าเนื่องจากเหตุผลในการสิ้นสุดนั้นเหมาะสมที่สุดแล้ว คุณจึงสันนิษฐานได้ว่าค่าเหล่านี้มีอยู่ แต่สำหรับเหตุผลอื่นๆ ในการสิ้นสุด (เช่น ทำไม่ได้หรือไม่มีขอบเขต) ที่เรียกใช้เมธอดเหล่านี้ CHECK fail (ใน C++) หรือ raise an exception (ใน Python)

Python

# Print some information from the result.
print("MathOpt solve succeeded")
print("Objective value:", result.objective_value())
print("x:", result.variable_values()[x])
print("y:", result.variable_values()[y])

C++

// Print some information from the result.
std::cout << "MathOpt solve succeeded" << std::endl;
std::cout << "Objective value: " << result->objective_value() << std::endl;
std::cout << "x: " << result->variable_values().at(x) << std::endl;
std::cout << "y: " << result->variable_values().at(y) << std::endl;

หมายเหตุเกี่ยวกับการสร้างและเรียกใช้โค้ดด้วย Bazel

หากคุณกำลังสร้าง MathOpt จากต้นทางโดยใช้ Bazel ตัวอย่างนี้ต้องใช้ทรัพยากร Dependency ต่อไปนี้ในเป้าหมายบิลด์

Python

"//util/operations_research/math_opt/python:mathopt"

C++

"//util/operations_research/math_opt/cpp:math_opt"
"//util/operations_research/math_opt/solvers:glop_solver"

หากต้องการเรียกใช้โค้ด คำสั่ง Bazel ต่อไปนี้จะสร้างและเรียกใช้เป้าหมายของคุณ

Python

bazel run path/to/you:target --with_scip=false --with_cp_sat=false
--with_glpk=false --with_glop=true -- --your_flags

C++

bazel run path/to/you:target -- --your_flags