최적화
CartesianGeneticProgramming 을 윈도우즈에서 실행하는 경우 예를 들어 C:\dev\CartesianGeneticProgramming\julia scripts\gym.jl 을 실행 하면 logs 폴더에 파일이 생성 되어야 하는데 이 때 파일명이 2020-11-26T01:33:25.321.csv 형태 인데 윈도우에서는 사용할 수 없는 파일명이기 때문에 생성되지 않고 에러가 생겨더 이상 진행되지 않는다. 이 문제는 gym.jl 파일에 ind = CGPInd(cfg, read(args[“ind”], String)) 에서 cfg.id를 사용하여 파일을 생성하는데 위의 파일명 처럼 생성되어 …
[Julia] CartesianGeneticProgramming package 윈도우 실행시 에러 Fix 더 보기 »
Git : https://github.com/wildart/Evolutionary.jl Example : 아래 폴더에 있는 MLP.ipynb 예제가 재미 있음https://github.com/wildart/Evolutionary.jl/tree/master/examples https://github.com/d9w/Cambrian.jl https://github.com/d9w/CartesianGeneticProgramming.jl
FICO Xpress optimizer는 community version은 자유롭게 사용 가능하다 2020.4.2 현재 windows와 osx 버전이 있다 아래 사이트에서 다운로드 받을 수 있다. https://content.fico.com/xpress-optimization-community-license Windows 기준으로 설명함 먼저 다운 받은 xpress 를 c:\xpress 폴더에 설치 한다고 가정 한다. 시스템 변수 XPRESSDIR = c:\xpress 를 설정한다. 그리고 julia 실행 를 하여 정상적으로 잘 설치 되었는지 확인 한다.
JuMP constraint에 Inf, -Inf가 포함된 경우 이를 제거하는 방법을 아래 소개 한다. lower에 -Inf나 upper에 Inf가 있는 경우 예를 들어@constaint(m, x <= Inf) 를 하게 되면==> x + NaN <= Inf라는 식으로 constraint에 NaN이 포함되어 optimize시 error가 발생한다upper나 lower에 Inf, -Inf가 포함되는 경우 의미가 없기 때문에 에러를 발생 시키는게 아닐까 한다.따라서 사전에 그런 조건에 있는 …
Mixed Integer Problem(MIP)에서 조건을 완화 하여 문제를 해결하기 위해 Lagrangian Relaxation을 사용한다. 예제는 “Facility Location Problem”중 “p-Median Problem”의 예이다. 고객들의 위치와 고객이 요구하는 서비스 수요량과 그 서비스를 제공하기 위한 시설을 도입 또는 건설하기 위한 후보 위치와 후보 위치에서 고객에게 서비스를 하기 위한 운송비용이 주어 졌을 때 운송비용을 최소화하는 장소에 시설을 건설하기 위한 최적의 장소를 찾는 …
[Julia] Julia Programming for Operations Research : Chap10 – Lagrangian Relaxation 더 보기 »
Section 9.1 ~9.2 : Jupyter notebook (html버전) Section 9.3 : Jupyter notebook(html버전)
비선형 방정식의 최적화 문제를 다루고 있다. 예제는 Jupyter notebook 입니다. 파일은 –> 여기 Nonlinear Optimizer Solvers 환경 Julia v1.3.0 , JuMP v0.20.1, Ipopt v0.6.1 KNITRO v0.8.0 (https://github.com/JuliaOpt/KNITRO.jl) knitro-12.1.1-Linux-64 (https://www.artelys.com/solvers/knitro/) SCIP (https://scip.zib.de/) 여기서 사용된 Non-Linear Solver는 Knitro – 유료버전, 학생버전은 제한된 용량으로 6개월 , 풀 기능으로 1개월, Nonlinear Objective, Nonlinear Constraint, Mixed Integer-NLP등을 지원 Ipop – 오픈소스, …
[Julia] Julia Programming for Operations Research : Chap8 – Nonlinear Optimization Problems 더 보기 »
https://pubsonline.informs.org/magazine/orms-today/2019-linear-programming-software-survey
책 Julia Programming for Operations Research 2/e 의 chapter 6의 6.3 The Shortest Path Problem에 대한 응용 사례 LightGraphs를 사용하여 가중치 네트워크에서 최소비용등 조건을 만족하는 최단거리를 구하고 GraphPlot을 사용하여 네트워크 그래프와 최단거리를 표시한다. 아래 그림에서 숫자는 노드 이며 100개로 구성되어 있다. 이 노드들간 가중치가 있으며 이 때 최단 거리를 구성하는 노드는 노란색으로 표시했고 최단 경로는 …
[Julia] Julia Programming for Operations Research : Chap 6-3 응용 – 최단거리 구하기 및 표시 더 보기 »
책 Julia Programming for Operations Research 2/e 의 chapter 6의 6.3 The Shortest Path Problem 예제 코드를 조금 수정한 버전 입니다. 예제는 Jupyter notebook 입니다. 파일은 –> 여기 데이터 파일은 -> 여기
