各位高手，我刚学lingo，不知道怎么解整数规划，请高手不吝赐教奥，最好给个解整数

tcr_2001 · 发表于 2005-6-12 19:01:15

[em06][em06][em06][em06][em06]

mz510ofbit · 发表于 2005-6-15 21:35:11

<

>在变量定义时加个gin()，括号里是要求为整数的量，例如gin(x1)表示x1为整数变量．
<

>bin(x1)表示x1为０，１变量，就是x1＝１或０．

tcr_2001 · 发表于 2005-6-16 02:01:33

终于有人站出来了,谢谢嗬.我感觉了lingo还是有一定难度的,那个变量与变量之间的关系搞得我头都晕了.看来还需要下功夫阿.[em03][em03][em03][em03][em03][em03]

mz510ofbit · 发表于 2005-6-16 02:39:52

<DIV class=quote>以下是引用tcr_2001在2005-6-15 18:01:33的发言： 终于有人站出来了,谢谢嗬.我感觉了lingo还是有一定难度的,那个变量与变量之间的关系搞得我头都晕了.看来还需要下功夫阿.[em03][em03][em03][em03][em03][em03]</DIV>
<

>呵呵，不过个人觉得刚开始的时候觉得ＬＩＮＧＯ挺好的，但是比赛时大家要比的是最优解，ＬＩＮＧ与模拟退火和遗传算出的解还是多少有差距，，除非你理论部分写的特别好，才能与别人比，一般现在都是把ＬＩＮＧＯ解作为一个检验解，就是检查一下用ＭＡＴＬＡＢ算出的解是不是合理的！

tcr_2001 · 发表于 2005-6-16 17:12:17

<

>楼上的对于lingo的见解很深刻，我非常佩服。
<

>我也学了一点matlab,也想学模拟退火与遗传算法编程，可是matlab的英文help实在看不懂。
<

>高人能否给出介绍一下如何用这些算法编程，或者介绍一下这方面的参考书，多谢了。

mz510ofbit · 发表于 2005-6-16 22:42:31

<DIV class=quote>以下是引用tcr_2001在2005-6-16 9:12:17的发言： 
<

>楼上的对于lingo的见解很深刻，我非常佩服。
<

>我也学了一点matlab,也想学模拟退火与遗传算法编程，可是matlab的英文help实在看不懂。
<

>高人能否给出介绍一下如何用这些算法编程，或者介绍一下这方面的参考书，多谢了。</DIV>

其实编程的话是要先看懂原理和步骤,比如模拟退火算法 　　模拟退火算法可以分解为解空间、目标函数和初始解三部分。 　模拟退火的基本思想: 　　(1) 初始化：初始温度T(充分大)，初始解状态S(是算法迭代的起点)，每个T值的迭代次数L 　　(2) 对k=1，……，L做第(3)至第6步： 　　(3) 产生新解S′ 　　(4) 计算增量Δt′=C(S′)-C(S)，其中C(S)为评价函数 　　(5) 若Δt′<0则接受S′作为新的当前解，否则以概率exp(-Δt′/T)接受S′作为新的当前解. 　　(6) 如果满足终止条件则输出当前解作为最优解，结束程序。 终止条件通常取为连续若干个新解都没有被接受时终止算法。 　　(7) T逐渐减少，且T->0，然后转第2步。 算法对应动态演示图： 模拟退火算法新解的产生和接受可分为如下四个步骤： 　　第一步是由一个产生函数从当前解产生一个位于解空间的新解；为便于后续的计算和接受，减少算法耗时，通常选择由当前新解经过简单地变换即可产生新解的方法，如对构成新解的全部或部分元素进行置换、互换等，注意到产生新解的变换方法决定了当前新解的邻域结构，因而对冷却进度表的选取有一定的影响。 　　第二步是计算与新解所对应的目标函数差。因为目标函数差仅由变换部分产生，所以目标函数差的计算最好按增量计算。事实表明，对大多数应用而言，这是计算目标函数差的最快方法。 　　第三步是判断新解是否被接受,判断的依据是一个接受准则，最常用的接受准则是Metropo1is准则: 若Δt′<0则接受S′作为新的当前解S，否则以概率exp(-Δt′/T)接受S′作为新的当前解S。 　　第四步是当新解被确定接受时，用新解代替当前解，这只需将当前解中对应于产生新解时的变换部分予以实现，同时修正目标函数值即可。此时，当前解实现了一次迭代。可在此基础上开始下一轮试验。而当新解被判定为舍弃时，则在原当前解的基础上继续下一轮试验。 　　模拟退火算法与初始值无关，算法求得的解与初始解状态S(是算法迭代的起点)无关；模拟退火算法具有渐近收敛性，已在理论上被证明是一种以概率l 收敛于全局最优解的全局优化算法；模拟退火算法具有并行性。
知道算法思想和步骤实现不是很难的;多看些算法书,最好带程序的!

tcr_2001 · 发表于 2005-6-18 02:58:17

哦。现在终于知道模拟退火只是一种思想，具体编程还要自己编。我现在在学matlab编程，看到三行以上的程序就头晕。我要努力学编程了[em01][em01][em01][em01][em01]，希望自己早日能写出10行以上的程序。

海岩秋沙 · 发表于 2005-6-20 04:28:08

<

>现在的matlab7.0里面就有官方的遗传算法的命令点击help ga 
<

>就可以查阅相关的用法。不过值得注意的是：在matlab7.0中有
<

>许多语法都与以前的版本不相同，所以在编写程序的时候一定
要学会使用在线帮助才是。
>> help ga GA Genetic algorithm solver. X = GA(FITNESSFCN,NVARS) finds the minimum of FITNESSFCN using GA. NVARS is the dimension (number of design variables) of the FITNESSFCN. FITNESSFCN accepts a vector X of size 1-by-NAVRS, and returns a scalar evaluated at X. X = GA(FITNESSFCN,NAVRS,OPTIONS) finds the minimum for FITNESSFCN with the default optimization parameters replaced by values in the structure OPTIONS. OPTIONS can be created with the GAOPTIMSET function. X = GA(PROBLEM) finds the minimum for PROBLEM. PROBLEM is a structure that has the following fields: fitnessfcn: <Fitness Function> nvars: <Number of design variables> options: <Options structure created with GAOPTIMSET> randstate: <Optional field to reset rand state> randnstate: <Optional field to reset randn state> [X, FVAL] = GA(FITNESSFCN, ...) returns FVAL, the value of the fitness function FITNESSFCN at the solution X. [X,FVAL,REASON] = GA(FITNESSFCN, ...) returns the REASON for stopping. [X,FVAL,REASON,OUTPUT] = GA(FITNESSFCN, ...) returns a structure OUTPUT with the following information: randstate: <State of the function RAND used before GA started> randnstate: <State of the function RANDN used before GA started> generations: <Total generations, excluding HybridFcn iterations> funccount: <Total function evaluations> message: <GA termination message> [X,FVAL,REASON,OUTPUT,POPULATION] = GA(FITNESSFCN, ...) returns the final POPULATION at termination. [X,FVAL,REASON,OUTPUT,POPULATION,SCORES] = GA(FITNESSFCN, ...) returns the SCORES of the final POPULATION. There are several steps to the GA: population generation scoring loop fitness scaling selection crossover mutation scoring migration output termination testing end loop Each of these steps can be controlled by the options structure created by GAOPTIMSET. Example: Minimize 'rastriginsfcn' fitness function of numberOfVariables = 2 x = ga(@rastriginsfcn,2) Display plotting functions while GA minimizes options = gaoptimset('PlotFcns',... <a href="mailt{@gaplotbestf,@gaplotbestindiv,@gaplotexpectation,@gaplotstopping" target="_blank" >{@gaplotbestf,@gaplotbestindiv,@gaplotexpectation,@gaplotstopping</A>}); [x,fval,reason,output] = ga(@rastriginsfcn,2,options) See also gaoptimset, fitnessfunction, patternsearch, @.
 Reference page in Help browser doc ga

tcr_2001 · 发表于 2005-6-20 18:49:45

看了matlab7.0的ga函数的用法，里面的fitness函数还是蛮复杂的。而且使用工具箱大概只能解决一点简单的问题。我现在用的是matlab6.5的版本，里面的ga函数的变量更多，你能不能举一点用ga算法的例子，贴出来给我学习学习。[em09][em09]期待ing

		自动登录	找回密码
密码			注-册-帐-号