在数学建模中，我们常常会更青睐于紧凑的形式，以下有一些常见的方法来提升目标、约束、变量的范围。文章来源地址https://www.toymoban.com/news/detail-764203.html
- 针对问题的特定信息来收紧边界：尽管求解器常常会有自己的预处理策略，其中包括推导约束的隐藏关系来对变量边界做收紧处理，但这些方法是从模型本身出发进行预处理；如果建模者能够针对问题，凭经验增加一些信息，来收紧模型边界，往往能够加快模型的优化过程；
- 选择合适的单位（量级）来表示变量和约束：前面的文章提到，同一个模型当中的量级相差过大，往往会导致求解出现数值问题，另一方面问题是，如果模型量级与问题的容忍误差的差距过大，那么问题收敛到容忍误差范围内的难度将更大，例如，模型的可行解容忍误差为1e-6，则模型当中出现 10e10 将会加大优化难度，可以通过改变变量、约束单位为更大的单位（吨、百万…），这种方法通常可以显著地改善模型的数值问题；
- 目标的分解：对于多目标问题，有一种常见的做法是将多个目标加权求和为单目标问题，在实际操作中，往往比较难确定合适的权重大小，且容易出现多个目标系数的范围差距非常大的问题。例如，假如有两个优化目标， f 1 , f
文章来源：https://www.toymoban.com/news/detail-764203.html
到了这里，关于数学建模中提升目标、变量和约束的紧凑度的几种技巧的文章就介绍完了。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！
