问题描述
我是编程初学者。我正在尝试练习使用 CPLEX 运行模拟。 因为我想成为一个想在优化领域工作的人。 因此，我正在尝试自己研究一些来自不同领域的期刊。 附加的图像是目标函数和约束。 我编写了下面写的代码。我不确定我做对了还是做错了。
//Data
{string} product = ...;
{string} interval = ...;
// Limit
float low[interval] = ...;
float upper[interval] = ...;
// Maximum demand
float A[product] = ...;
// Slope of demand function
float varphi[product][interval] = ...;
// Price
float p[product] = ...;
// Setup cost
float f[product] = ...;
// Inventory holding cost rate
float h[product][interval] = ...;
// Variable cost rate
float v[product][interval] = ...;
// Variables
dvar float+ X[product][interval]; enter code here
dvar float+ D[product][interval];
dvar float+ a[interval];
dvar float+ beta[product][interval];
// Objective
maximize sum(i in product,j in interval) p[i]*X[i][j]-f[i]*beta[i][j]-v[i][j]*X[i][j]-0.5*h[i][j]*X[i][j] - F;
// Constraint
subject to{
forall(j in interval) sum(j in interval) a[j] == 1;
forall(i in product,j in interval) beta[i][j] <= a[j];
forall(i in product,j in interval) sum(i in product,j in interval) X[i][j] <= C;
forall(i in product,j in interval) X[j][i] <= D[i][j]*beta[i][j];
forall(j in interval) sum(i in product) beta[i][j] <= upper[j]*a[j];
forall(j in interval) sum(i in product) beta[i][j] >= low[j]*a[j];
forall(i in product,j in interval) D[i][j] = (A[i]-varphi[i][j]*p[i])*a[j];
}
我想演示如何应用迭代程序来逐步缩小搜索间隔，以精确确定要生产的最佳产品数量，从而实现利润最大化。 该期刊解释说：“这些较小区间的成本和收入数据作为新输入提供给模型，然后在后续迭代中将这些新区间中的一个确定为最佳。该过程在连续迭代中重复，直到最后一个区间只有一到两个级别（即产品数量），模型可以从中做出最终产品种类的选择。为了在连续迭代的边际收益很小的情况下节省时间，如果差异很大，我们也终止该过程连续迭代的目标函数值（利润）之间的值低于一个小的预定收敛参数。该模型确定最终区间的哪个级别是最佳的，并确定要生产哪些特定产品以及生产多少。
此流程的第一阶段从 100 种产品（如前）和涉及价格结构 3 和成本结构 3 的配置开始（请参见表 2-5）。产品品种范围分为四个区间，区间边界如表1所示。这一阶段的结果是选择第三个区间为最优，确定了75个产品及其对应的最优生产数量。数据见表9，结果见表12、表13（也提供了后续阶段的结果）。"
表格附在下面。
产品总数为 100。 我还没有决定其他参数的值。
我想知道的是如何运行下面的迭代过程？
感谢您的友好回答，您是最棒的。
问候，
解决方法
forall(j in interval) sum(j in interval) a[j] == 1;
看起来很糟糕，因为你用了两次 j ！
对于错误，您应该共享 dat 文件，以便其他用户可以尝试