『实践』Yalmip建模+Cplex类求解（文末附程序、文章和算例）

Yalmip建模+Cplex类求解（文末附程序、文章和算例）

一、缘由

　　　　Yalmip只能设置部分Cplex的参数，所以需要调用Cplex类。而且optimize是Yalmip提供的常用函数，但此函数的返回结果参数有限。

二、解决方法

　　为了能够既利用Yalmip来建模（方便），又能调用Cplex类（功能齐全）。我们可以使用Yalmip提供的export函数来输出model，再新建一个Cplex类实体，将model中整理好的诸如Aineq、bineq等赋值给新建的Cplex类实体。

图2 F为目标函数，h为约束，ops为options。

　　下面举个具体例子，model存储着Yalmip建立的模型，cplex_milp为Cplex类实体，可以对其设置各种参数属性。Cplex的参数列表地址。

　　ps：model中的矩阵中的变量排序无法知道。

 1 %yalmip设置
 2 options = sdpsettings('solver' ,'cplex');
 3 options.showprogress = 1;%1为设置显示yalmip现在在做什么
 4 options.verbose = 2;%设置显示信息程度，1为适度显示，2为完全显示。
 5 
 6 [model,recoverymodel,diagnostic,internalmodel] = export(Constraints,Objective,options);%输出Yalmip模型
 7 %定义一个Cplex类实体
 8 cplex_milp = Cplex('Milp for HTC');
 9 cplex_milp.Model.sense = 'minimize';
10 cplex_milp.Model.obj = model.f;
11 cplex_milp.Model.lb = model.lb;
12 cplex_milp.Model.ub = model.ub;
13 cplex_milp.Model.A = [model.Aineq;model.Aeq];
14 cplex_milp.Model.lhs = [-Inf.*ones(size(model.bineq,1),1);model.beq];
15 cplex_milp.Model.rhs = [model.bineq;model.beq];
16 cplex_milp.Model.ctype = model.ctype';
20 cplex_milp.Param.mip.tolerances.mipgap.Cur = zk.solver_error;%相对MIP间隔容差，（精度）
21 cplex_milp.Param.threads.Cur = 1;%设置将由任何 CPLEX 并行优化器调用的并行线程的缺省数量。1为单线程
22 cplex_milp.Param.mip.display = 1;%决定在混合整数优化期间cplex报告到屏幕的内容。默认为2.
23 cplex_milp.Param.timelimit = 15;%设置对优化器的调用的最长时间（以秒为单位）
24 cplex_milp.writeModel('hmilp.lp');%输出数学模型
25 cplex_milp.solve();