代码名称：基于IEEE标准30节点直流潮流的电力系统机组组合优化调度matlab-yalmip/cplex/gurobi
代码简介： 机组组合问题要求基于已知的系统数据，求解计划时间内机组决策变量的最优组合，使得系统总成本达到最小。该问题的决策变量由两类，一类是各时段机组的启停状态，为整数变量，0表示关停，1表示启动；另一类是各时段机组的出力，为连续变量。
机组组合问题属于规划问题，即要在决策变量的可行解空间里找到一组最优解，使得目标函数尽可能取得极值。对于混合整数规划，常用的方法有分支定界法，benders分解等。CPLEX提供了快速的MIP求解方法，对于数学模型已知的问题，只需要按照程序规范在MATLAB中编写程序化模型，调用CPLEX求解器，即可进行求解。
参考文献：自编文件
2022-12-29 16:39:39
4KB
1
matlab马科维茨代码QMD算法
这是用于商最小度算法（QMD）的健壮Matlab代码。
在数值分析中，最小度算法是用于在应用Cholesky分解之前对对称稀疏矩阵的行和列进行置换的算法，以减少Cholesky因子中的非零数。
最小度算法经常用在有限元方法中，其中只能根据网格的拓扑而不是偏微分方程中的系数来进行节点的重新排序，从而在使用相同的网格来节省效率时各种系数值。
QMD算法的上限严格为O（n²m）。
语境
找到最佳排序的问题是一个NP完全问题，因此很棘手，因此改用启发式方法。
最小度算法是从Markowitz于1959年首次提出的用于解决非对称线性规划问题的方法中衍生出来的，下面将对此进行粗略地描述。
在高斯消除的每个步骤中，都执行行和列置换，以使枢轴行和列中偏离对角非零的数量最小。
Tinow和Walker在1967年描述了一种对称形式的Markowitz方法，Rose后来又推导了该图的图形理论形式，其中仅模拟了因式分解，这被称为最小度算法。
当存在相同程度的选择时，这种算法的一个关键方面是突破打破策略。
输入和输出
perm
:
the
output
permutatio
2022-08-06 21:02:13
19KB
1
更新：签出库 ，它在一个漂亮干净的Python包中重新实现了学习分支所需的一切（位于）。
图卷积神经网络的精确组合优化
Maxime Gasse，DidierChételat，Nicola Ferroni，Laurent Charlin，Andrea Lodi
这是我们NeurIPS 2019的正式实施。
安装
请参阅安装说明。
运行实验
设置覆盖
# Generate MILP instances
python 01_generate_instances.py setcover
# Generate supervised learning datasets
python 02_generate_samples.py setcover -j 4 # number of available CPUs
# Training
for i in {0..4}
do
python 03_
2022-06-26 00:15:42
52KB
1
NLNS+VND 元启发式算法：
可以解决以下几类问题：
（基于站的和自由浮动的）自行车共享系统中的静态完全再平衡问题。
（对称）旅行商问题（STSP）
多旅行商问题 (mTSP)
1 商品提货配送旅行商问题（1-PDTSP）
带时间窗的旅行推销员问题 (TSPTW)
容量车辆路径问题 (CVRP)
带时间窗的容量车辆路径问题 (CVRPTW)
2022-06-10 09:06:39
17KB