文档帮助中心文档
查找指定索引变量的数值索引等价物
[numindex1, numindex2,…,numindexk) = findindex (var,strindex1,strindex2……strindexk)
numindex = findindex (strindexk var, strindex1, strindex2,…)
例子
[numindex1,numindex2……numindexk) = findindex (var,strindex1,strindex2……strindexk)在优化变量中查找已命名索引变量的数值索引等价物var.
[numindex1,numindex2……numindexk) = findindex (var,strindex1,strindex2……strindexk)
numindex
var
strindex
numindex= findindex (var,strindex1,strindex2……strindexk)查找指定索引变量的线性索引等价物。
numindex= findindex (var,strindex1,strindex2……strindexk)
全部折叠
创建一个优化变量颜色它由主要的加性颜色名称和主要的减色法颜色名称索引。包括“黑”和“白色”作为加色命名和“黑”作为减色法的颜色名称。
颜色
“黑”
“白色”
颜色= optimvar (“颜色”, (“黑色”,“白色”,“红色”,“绿色”,“蓝色”]、[“青色”,“红色”,“黄色”,“黑色”]);
找到添加颜色的索引号“红色”和“黑”还有减色法“黑”.
“红色”
[idxadd, idxsub] = findindex(颜色,{“红色”,“黑”}, {“黑”})
idxadd =1×23 1
idxsub = 4
找出与组合等价的线性指标(“白色”、“黑色”),(“红”、“青色”),(“绿色”、“红色”),(“蓝色”、“黄色”).
(“白色”、“黑色”)
(“红”、“青色”)
(“绿色”、“红色”)
(“蓝色”、“黄色”)
idx = findindex(颜色,(“白色”,“红色”,“绿色”,“蓝色”]、[“黑色”,“青色”,“红色”,“黄色”])
idx =1×417 3 9 15
使用指定的索引变量创建并解决优化问题。问题是最大化的利润加权流量的水果到各个机场,受加权流量的约束。
rng (0)%的再现性p = optimproblem (“ObjectiveSense”,“最大化”);流= optimvar (“流”,...{“苹果”,“橘子”,“香蕉”,“浆果”}, {“纽约”,“bo”,“宽松”},...下界的,0,“类型”,“整数”);p.Objective =总和(总和(兰德(4,3)。*流));p.Constraints.NYC =兰德(1、4)*流(:,“纽约”) < = 10;p.Constraints.BOS =兰德(1、4)*流(:,“bo”) < = 12;p.Constraints.LAX =兰德(1、4)*流(:,“宽松”) < = 35;索尔=解决(p);
使用intlinprog解决问题。LP:最佳目标值为-1027.472366。启发式:用ZI轮找到1个解。上限为-1027.233133。相对差距为0.00%。找到最优解。Intlinprog在根节点停止,因为客观值在最优值options的间隙公差范围内。AbsoluteGapTolerance = 0(默认值)。intcon变量是在公差选项内的整数。IntegerTolerance = 1e-05(默认值)。
找出橙子和浆果流向纽约和洛杉矶的最佳流量。
[idxFruit,idxAirports] = finddex (flow, {“橘子”,“浆果”}, {“纽约”,“宽松”})
idxFruit =1×22 4
idxAirports =1×21 3
橙莓= sol.flow(idxFruit, idxAirports)
orangeBerries =2×20 980.000 70.0000
这个显示意味着没有橙子会纽约70个浆果纽约, 980个橘子将会宽松的而浆果则不会宽松的.
纽约
宽松的
列出以下最优流程:
果机场
----- --------
浆果纽约
苹果BOS
橙子松懈
Idx = finddex (flow, {“浆果”,“苹果”,“橘子”}, {“纽约”,“bo”,“宽松”})
idx =1×34 5 10
optimalFlow = sol.flow (idx)
optimalFlow =1×370.0000 28.0000 980.0000
这个展示意味着70个浆果纽约28个苹果BOS980个橙子将会宽松的.
BOS
为不同土地类型、潜在作物和耕作方法的问题创建命名的索引变量。
土地= [“irr-good”,“irr-poor”,“dry-good”,“dry-poor”];作物= [“wheat-lentil”,“小麦加工”,“barley-chickpea”,“barley-lentil”,“wheat-onion”,“barley-onion”];犁= [“传统”,“机械化”];xcrop = optimvar (“xcrop”、土地、庄稼、犁,下界的, 0);
将初始点设置为正确大小的零数组。
x0。xcrop = 0(大小(xcrop));
的初始值设置为3000“wheat-onion”和“wheat-lentil”在任何干旱条件下种植的作物,并按传统耕作。
“wheat-onion”
“wheat-lentil”
[idxLand, idxCrop, idxPlough] = finddex (xcrop, [“dry-good”,“dry-poor”],...[“wheat-onion”,“wheat-lentil”],“传统”);x0.xcrop (idxLand idxCrop idxPlough) = 3000;
设置以下三个点的初始值。
旱作作物方法价值旱作小麦-玉米机械化2000年,旱作大麦-洋葱传统5000年,旱作大麦-鹰嘴豆机械化3500年
idx = findindex (xcrop,...[“dry-good”,“irr-poor”,“irr-good”],...[“小麦加工”,“barley-onion”,“barley-chickpea”],...[“机械化”,“传统”,“机械化”]);x0.xcrop (idx) =(2000、5000、3500);
OptimizationVariable
优化变量,指定为OptimizationVariable对象。创建var使用optimvar.
optimvar
例子:var = optimvar(“var”、4、6)
var = optimvar(“var”、4、6)
指定为字符向量、字符向量、字符串向量或整数向量的单元格数组的命名索引。的数量strindex参数必须为中的维数var.
例子:(“小”、“中等”、“大”)
(“小”、“中等”、“大”)
数据类型:双|字符|字符串|细胞
双
字符
字符串
细胞
数值索引等效,作为整数向量返回。输出参数的数量必须是下列参数之一:
里面的维度数var.每个输出向量numindexj数值是否与相应的输入参数等效strindexj.
numindexj
strindexj
一个。在本例中,表示每个输入的大小strindexj必须对所有人都一样吗j,且输出满足线性索引准则
j
var (numindex (j)) = var (strindex1 (j),…,strindexk (j))对所有j.
var (numindex (j)) = var (strindex1 (j),…,strindexk (j))
OptimizationVariable|解决
解决
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系