C# 随机法求解线性规划问题 蒙特卡洛

这篇具有很好参考价值的文章主要介绍了C# 随机法求解线性规划问题 蒙特卡洛。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

线性规划问题:
max=3x1+2x2
x1+2x2<=5
2
x1+x2<=4
4x1+3x2<=9
x1>=0
x2>=0
正确的结果:x1=1.5; x2=1, max z=6.5

            Random random1  = new Random(DateTime.Now.Millisecond);
            Random random2 = new Random(DateTime.Now.Millisecond*DateTime.Now.Millisecond);
            double max=-9999,x1=0,x2=0,resultX1=0,resultX2=0;
            for (int i = 0; i < 654321; i++)
            {
                if (random1.Next(0, 100) % 2 == 0)
                {
                    x1 = resultX1 + random1.NextDouble();
                }
                else
                {
                    x1 = resultX1 - random1.NextDouble();
                }
                if (random2.Next(0, 100) % 2 == 0)
                {
                    x2 = resultX2 + random2.NextDouble();
                }
                else
                {
                    x2 = resultX2 - random2.NextDouble();
                }
                if (x1 + 2 * x2 <= 5 && 2 * x1 + x2 <= 4 && 4 * x1 + 3 * x2 <= 9)
                {
                    if (3 * x1 + 2 * x2>max)
                    {
                        resultX1 = x1;
                        resultX2 = x2;
                        max = 3 * x1 + 2 * x2;
                    }
                }
            }
            textBox1.Text = resultX1.ToString();
            textBox2.Text = resultX2.ToString();
            textBox3.Text = max.ToString();

C# 随机法求解线性规划问题 蒙特卡洛,c#,算法,开发语言文章来源地址https://www.toymoban.com/news/detail-646621.html

到了这里,关于C# 随机法求解线性规划问题 蒙特卡洛的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数学建模--Lingo求解线性规划问题

    一 问题重述 1.1问题背景 工厂根据外部需求和内部设备,人力,原料等条件,以及最大利润为生产目标制定生产计划,根据生产计划,工艺流程,资源约束及费用参数等,以最小的成本为目标制定生产批量计划,若短时间外部需求和内部资源等不随时间的变化,可制定单阶段

    2024年02月12日
    浏览(45)
  • python数学建模--线性规划问题案例及求解

    本博客参考: 《python数学实验与建模》 《MATLAB数学建模经典案例实战》 m a x   z = 8 x 1 − 2 x 2 + 3 x 3 − x 4 − 2 x 5 { x 1 + x 2 + x 3 + x 4 + x 5 ≤ 400 x 1 + 2 x 2 + 2 x 3 + x 4 + 6 x 5 ≤ 800 2 x 1 + x 2 + 6 x 3 ≤ 200 x 3 + x 4 + 5 5 ≤ 200 0 ≤ x i ≤ 99 , i = 1 , 2 , 3 , 4 x 5 ≥ − 10 max z=8x_1-2x_2+3x_3-x_

    2023年04月13日
    浏览(44)
  • SAP ABAP 使用GENIOS求解线性规划问题的简单例子

    主要内容来自Operations Research ABAP ,结合我遇到的需求,做了一些修改。 需求:有BOX1和BOX2两种箱子,分别能包装不同数量的A物料和B物料,给出若干数量的A, B物料,怎样包装可以使箱子数最少? 线性规划有助于解决类似问题。 以下是一个示例程序,包含必要的注释,   运行

    2024年02月16日
    浏览(46)
  • lingo软件求解线性规划举例

      缺点,数据多时不好找 当变量有成千上万个时,而关心的非零解只是极少数,在当前窗口读解很麻烦。下面是读取非零解的窗口操作步骤: (1)缩小当前解的窗口(不是关闭!); (2)把鼠标点进模型所在窗口;

    2024年02月13日
    浏览(51)
  • 使用COPT求解混合整数线性规划

    使用 from copt import * 引入模型 import coptpy as cp env = Envr() 创建优化模型,返回一个Model对象 mdl=env.ccreateModel(\\\"name\\\") 添加一个决策变量: mdl.addVar(lb=0.0, ub=COPT.INFINITY, obj=0.0, vtype=COPT.CONTINUOUS, name=\\\"\\\", column=None) Lb : 变量的下界。可选参量,默认为0.0。 Ub : 变量的上界。可选参量

    2024年02月06日
    浏览(51)
  • OR-Tools的线性规划求解器入门——调用不同求解内核

    OR-Tools因其开源、可调用其他求解器、以及强大的CP求解器,在近几年受到了工业界的广泛关注,关于OR-Tools的CP求解组件的介绍,可以参考《OR-Tools的CP-SAT求解器入门案例》,本文主要介绍OR-Tools的另一块主要的内容 Linear Solver ,在一些问题上,OR-Tools自带的求解内核 GLOP 在线

    2024年01月17日
    浏览(45)
  • 【数学建模】Python+Gurobi求解非线性规划模型

    目录 1 概述 2 算例  2.1 算例 2.2 参数设置 2.3 Python代码实现 2.4 求解结果 如果目标函数或约束条件中包含非线性函数,就称这种规划问题为非线性规划问题。 参考:(非线性规划Python)计及动态约束及节能减排环保要求的经济调度 2.1 算例 2.2 参数设置 求解NLP/非凸问题时,

    2024年02月09日
    浏览(47)
  • ✨使用Python进行线性规划求解,高端操作亮瞎你的双眼(文末技术彩蛋)

    各位童鞋们大家好,我是小小明,前几天我给大家分享了一个SMT求解器z3,链接地址见: https://xxmdmst.blog.csdn.net/article/details/120279521 虽然SMT求解器很强大,能够解逻辑题、解数独、解方程、甚至解决逆向问题,但是有个缺点就是只能找出一个可行解,如果我想要找出可行解的

    2023年04月09日
    浏览(39)
  • 线性规划问题及单纯形法-线性规划变标准形

    线性规划模型的标准形式 (1)目标函数为求极大值 (2)所有功能约束条件(非负条件除外),都是等式 (3)右端常数项为非负 (4)决策变量为非负 标准形转换方法 (1)目标函数值的转换 即在原有目标函数值前面加一个符号,当求出结果后,结果乘以一个负号。 (2)

    2024年02月06日
    浏览(46)
  • 线性规划问题

    线性规划是最优化问题的一种特殊情形,实质是从多个变量中选取一组合适的变量作为解,使得这组变量满足一组确定的线性式(约束条件),而且使一个线性函数(目标函数)达到最优。线性规划顾名思义,由两个关键的部分组成:线性和规划。 线性 如果一个函数L(x)满

    2024年02月08日
    浏览(32)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包