修正单纯形法·优化算法实现·Java
修正单纯性法
代码例如以下:
舍去了输入转化的内容,主要包括算法关键步骤。
public class LPSimplexM { private static final double inf = 1e9; private int n; // 约束个数
private double[][] A; // 输入函数參数
private double[] b; // 约束值
private double[] c; // 目标函数系数
private double Z; // 目标值
private void InitF() { // 初始化 First
/* problem 1.
* max Z = 5*x1 + 4*x2; min Z = -5*x1 - 4*x2;
* x1 + 3*x2 <= 90; x1 + 3*x2 + x3 = 90;
* 2*x1 + x2 <= 80; => 2*x1 + x2 + x4 = 80;
* x1 + x2 <= 45; x1 + x2 + x5 = 45;
* xi >= 0
*/
/* problem 2.
* min Z = -7*x1 - 12*x2;
* 9*x1 + 4*x2 + x3 = 360;
* 4*x1 + 5*x2 +x4 = 200;
* 3*x1 + 10*x2 + x5 = 300;
* xi >= 0
*/
n = 3;
A = new double[n+1][n+1];
b = new double[n+1];
// c = new double[n<<1];
Z = inf;
// 约束初始条件
A[1][1] = 1; A[1][2] = 3;
A[2][1] = 2; A[2][2] = 1;
A[3][1] = 1; A[3][2] = 1;
// 条件值
// problem 1.
// b[1] = 90;
// b[2] = 80;
// b[3] = 45;
// problem 2.
b[1] = 360;
b[2] = 200;
b[3] = 300;
// for(int i = 1; i <= n; i++)System.out.println("b[" + i + "] = " + b[i]);
// 目标函数系数
// c[1] = -5; c[2] = -4;
} int m;
private double[][] p;
private double[][] e, oe;
private double[][] E, oE;
private double[] X;
private boolean[] G;
private int[] S;
private void InitS() {
m = 2;
p = new double[n+1][n+m+1];
e = new double[n+1][n+1];
oe = new double[n+1][n+1];
E = new double[n+1][n+1];
oE = new double[n+1][n+1];
X = new double[n+1];
G = new boolean[n+m+1];
S = new int[n+1]; c = new double[n+m+1];
// problem 1.
// c[1] = -5; c[2] = -4; c[3] = 0; c[4] = 0; c[5] = 0;
// problem 2.
c[1] = -7; c[2] = -12; c[3] = 0; c[4] = 0; c[5] = 0;
// problem 1.
// p[1][1] = 1; p[1][2] = 3; p[1][3] = 1; p[1][4] = 0; p[1][5] = 0;
// p[2][1] = 2; p[2][2] = 1; p[2][3] = 0; p[2][4] = 1; p[2][5] = 0;
// p[3][1] = 1; p[3][2] = 1; p[3][3] = 0; p[3][4] = 0; p[3][5] = 1;
// problem 2.
p[1][1] = 9; p[1][2] = 4; p[1][3] = 1; p[1][4] = 0; p[1][5] = 0;
p[2][1] = 4; p[2][2] = 5; p[2][3] = 0; p[2][4] = 1; p[2][5] = 0;
p[3][1] = 3; p[3][2] = 10; p[3][3] = 0; p[3][4] = 0; p[3][5] = 1; for(int i = 1; i <= n; i++)
for(int j = 1; j <= n; j++)
if(i == j)E[i][j] = oE[i][j] = 1;
else E[i][j] = oE[i][j] = 0; for(int i = 1; i <= n; i++)
X[i] = b[i]; G[1] = false; G[2] = false; G[3] = true; G[4] = true; G[5] = true; S[1] = 3; S[2] = 4; S[3] = 5;
} public LPSimplexM() {
InitF();
InitS();
AlgorithmProcess();
solve();
} private void AlgorithmProcess() {
double[] coE = new double[n+1]; // c * E^-1
double[] r = new double [n+m+1]; // c - c * E^-1 * p
double[] oEp = new double[n+1]; // E^-1 * p;
boolean flag = false;
while(true) {
// x = E^-1 * b
for(int i = 1; i <= n; i++){
X[i] = 0;
for(int j = 1; j <= n; j++)
X[i] += oE[i][j]*b[j];
}
// c * E^-1
for(int i = 1; i <= n; i++){
coE[i] = 0;
for(int j = 1; j <= n; j++)
coE[i] += c[S[j]]*oE[j][i];
}
// r = c - c * E^-1 * p => min r' id -> k
int k = -1;
flag = false;
for(int i = 1; i <= n+m; i++)if(!G[i]){
double ans = 0;
for(int j = 1; j <= n; j++)
ans += coE[j]*p[j][i];
r[i] = c[i] - ans;
if(!flag && r[i] < 0){
k = i;
flag = true;
}else if(flag && r[i] < r[k]){
k = i;
}
}
if(k == -1)return ; // solution output 1(X, S 为最优解)
// E^-1 * p; => min theta>0' id -> s
int s = -1;
flag = false;
for(int i = 1; i <= n; i++){
oEp[i] = 0;
for(int j = 1; j <= n; j++){
oEp[i] += oE[i][j]*p[j][k];
}
if(oEp[i] > 0){
if(!flag){
s = i;
flag = true;
}else if(flag && X[i]/oEp[i] < X[s]/oEp[s]){
s = i;
}
}
}
if(!flag)return ; // no solution 1(无同意解)
if(s == -1)return ; // no solution 2(该问题有无解集)
// p[s] = p[k], 形成新的矢量基 E
G[S[s]] = false; G[k] = true;
S[s] = k;
// System.out.println("k = " + k + "; s = " + s);
for(int i = 1; i <= n; i++){
p[i][k] = -1.0*oEp[i]/oEp[s];
if(i == s)
p[i][k] = 1/oEp[s];
}
for(int i = 1; i <= n; i++){
int id = S[i];
for(int j = 1; j <= n; j++){
if(i == s){
e[j][i] = p[j][k];
}else{
if(j == i){
e[j][i] = 1;
}else{
e[j][i] = 0;
}
}
}
}
// for(int i = 1; i <= n; i++){
// for(int j = 1; j <= n; j++){
// System.out.print(oE[i][j] + " ");
// }System.out.println();
// }System.out.println("{oE}");
// for(int i = 1; i <= n; i++){
// for(int j = 1; j <= n; j++){
// System.out.print(e[i][j] + " ");
// }System.out.println();
// }System.out.println("{e}");
for(int i = 1; i <= n; i++){
for(int j = 1; j <= n; j++){
oe[i][j] = 0;
for(int t = 1; t <= n; t++){
oe[i][j] += e[i][t]*oE[t][j];
}
}
}
for(int i = 1; i <= n; i++){
for(int j = 1; j <= n; j++){
oE[i][j] = oe[i][j];
//System.out.print(oE[i][j] + " ");
}//System.out.println();
}//System.out.println();
}
}
// 最优解输出
private void solve() {
Z = 0;
for(int i = 1; i <= n; i++){
int id = S[i];
Z += c[id]*X[i];
System.out.println(id + " : " + X[i] + " * " + -c[id]);
}
System.out.println("Z = " + -Z);
} public static void main(String[] args) {
new LPSimplexM();
}
}
如有问题,请网友指正。
希望网友的交流,共同进步。
修正单纯形法·优化算法实现·Java的更多相关文章
- [DeeplearningAI笔记]改善深层神经网络_优化算法2.3_2.5_带修正偏差的指数加权平均
Optimization Algorithms优化算法 觉得有用的话,欢迎一起讨论相互学习~Follow Me 2.3 指数加权平均 举个例子,对于图中英国的温度数据计算移动平均值或者说是移动平均值( ...
- 模拟退火算法SA原理及python、java、php、c++语言代码实现TSP旅行商问题,智能优化算法,随机寻优算法,全局最短路径
模拟退火算法SA原理及python.java.php.c++语言代码实现TSP旅行商问题,智能优化算法,随机寻优算法,全局最短路径 模拟退火算法(Simulated Annealing,SA)最早的思 ...
- 粒子群优化算法及其java实现
憋了两周终于把开题报告憋出来了,再一次证明自己不适合搞学术,哎--,花了点时间把报告中提到的粒子群算法看了看,看了些资料,用java跑起来. 算法简介 粒子群算法最先由Barnhart博士和Kenne ...
- 经典KMP算法C++与Java实现代码
前言: KMP算法是一种字符串匹配算法,由Knuth,Morris和Pratt同时发现(简称KMP算法).KMP算法的关键是利用匹配失败后的信息,尽量减少模式串与主串的匹配次数以达到快速匹配的目的.比 ...
- DeepLearning.ai学习笔记(二)改善深层神经网络:超参数调试、正则化以及优化--Week2优化算法
1. Mini-batch梯度下降法 介绍 假设我们的数据量非常多,达到了500万以上,那么此时如果按照传统的梯度下降算法,那么训练模型所花费的时间将非常巨大,所以我们对数据做如下处理: 如图所示,我 ...
- [DeeplearningAI笔记]改善深层神经网络_优化算法2.6_2.9Momentum/RMSprop/Adam优化算法
Optimization Algorithms优化算法 觉得有用的话,欢迎一起讨论相互学习~Follow Me 2.6 动量梯度下降法(Momentum) 另一种成本函数优化算法,优化速度一般快于标准 ...
- 智能优化算法对TSP问题的求解研究
要求: TSP 算法(Traveling Salesman Problem)是指给定 n 个城市和各个城市之间的距离,要 求确定一条经过各个城市当且仅当一次的最短路径,它是一种典型的优化组合问题,其最 ...
- 【DeepLearning】优化算法:SGD、GD、mini-batch GD、Moment、RMSprob、Adam
优化算法 1 GD/SGD/mini-batch GD GD:Gradient Descent,就是传统意义上的梯度下降,也叫batch GD. SGD:随机梯度下降.一次只随机选择一个样本进行训练和 ...
- Adam优化算法
Question? Adam 算法是什么,它为优化深度学习模型带来了哪些优势? Adam 算法的原理机制是怎么样的,它与相关的 AdaGrad 和 RMSProp 方法有什么区别. Adam 算法应该 ...
随机推荐
- 安卓开发--HttpDemo01
package com.cnn.httpdemo01; import android.app.Activity; import android.content.Intent; import andro ...
- 机器学习(七) PCA与梯度上升法 (下)
五.高维数据映射为低维数据 换一个坐标轴.在新的坐标轴里面表示原来高维的数据. 低维 反向 映射为高维数据 PCA.py import numpy as np class PCA: def __ini ...
- 日前加拿大平板厂商 Datawind和印度运营商Reliance Communications日前宣布合作
全球最便宜智能手机只要15美元 随着手机进入智能时代,这些年智能手机的发展可谓迅猛,苹果三星这样的手机厂商成为最大的受益者同时,低门槛也让越来越多的人开始意识到,全民智能时代确实要来了. 为了能让第三 ...
- ES6中includes、startsWith、endsWith
es6新增includes:返回布尔值,表示是否找到字符串.startsWith:返回布尔值,表示字符串是否在源字符串的头部位置.endsWith:返回布尔值,表示参数字符串是否在源字符串尾部. va ...
- C#中Request.Cookies 和 Response.Cookies 的区别分析
.NET中提供了读写Cookie的多种方法,Request.Cookies 是客户端通过 Cookie 标头形式由客户端传输到服务器的 Cookie:Response.Cookies 在服务器上创建并 ...
- POJ 2251 Dungeon Master【BFS】
题意:给出一个三维坐标的牢,给出起点st,给出终点en,问能够在多少秒内逃出. 学习的第一题三维的广搜@_@ 过程和二维的一样,只是搜索方向可以有6个方向(x,y,z的正半轴,负半轴) 另外这一题的输 ...
- 【agc004f】Namori Grundy
那个问一下有人可以解释以下这个做法嘛,看不太懂QwQ~ Description 有一个n个点n条边的有向图,点的编号为从1到n. 给出一个数组p,表明有(p1,1),(p2,2),…,(pn,n)这n ...
- Chrome开启无界面浏览模式Python+Windows环境
环境:Python 3.5.x + Selenium 3.4.3 + Chromedriver 2.30 + Chrome 60 beta版 + WIN7/WIN10 chrome_options = ...
- 数据迁移工具kettle简单上手
近期做了不少数据迁移工作,无一例外都是kettle做的,对于这些工具,我认为.够用就好,不用做特别多的研究(当然.除非你是这款工具的忠实粉丝,我相信这种没几个).kettle也不例外.在我看来就是不同 ...
- hdu 4324 Triangle LOVE(拓扑判环)
Triangle LOVE Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 65536/65536 K (Java/Others) To ...