findindex

名前付きインデックス変数と等価な数値インデックスの検索

ページ内をすべて折りたたむ

構文

[numindex1,numindex2,...,numindexk] = findindex(var,strindex1,strindex2,...,strindexk)
numindex = findindex(var,strindex1,strindex2,...,strindexk)

説明

[numindex1,numindex2,...,numindexk] = findindex(var,strindex1,strindex2,...,strindexk) は、最適化変数 var 内の名前付きインデックス変数と等価な数値インデックスを検索します。

例

numindex = findindex(var,strindex1,strindex2,...,strindexk) は、名前付きインデックス変数と等価な線形インデックスを検索します。

例

例

すべて折りたたむ

ライブ スクリプトを開く

加法的な原色の名前と減法的な原色の名前によってインデックス付けされる最適化変数 colors を作成します。加法的な色の名前として 'black' と 'white' を、減法的な色の名前として 'black' を含めます。

colors = optimvar('colors',["black","white","red","green","blue"],["cyan","magenta","yellow","black"]);

加法的な色 'red' と 'black'、および減法的な色 'black' のインデックス番号を検索します。

[idxadd,idxsub] = findindex(colors,{'red','black'},{'black'})
idxadd = 1×2

     3     1


idxsub = 
4
ライブ スクリプトを開く

加法的な原色の名前と減法的な原色の名前によってインデックス付けされる最適化変数 colors を作成します。加法的な色の名前として 'black' と 'white' を、減法的な色の名前として 'black' を含めます。

colors = optimvar('colors',["black","white","red","green","blue"],["cyan","magenta","yellow","black"]);

["white","black"]、["red","cyan"]、["green","magenta"]、および ["blue","yellow"] の組み合わせと等価な線形インデックスを検索します。

idx = findindex(colors,["white","red","green","blue"],["black","cyan","magenta","yellow"])
idx = 1×4

    17     3     9    15
ライブ スクリプトを開く

名前付きインデックス変数を使用して、最適化問題を作成して解きます。問題は、収益で重み付けされた、さまざまな空港へのフルーツのフローを最大化することです。これはそれぞれの重み付きフローへの制約に従います。

rng(0) % For reproducibility
p = optimproblem('ObjectiveSense', 'maximize');
flow = optimvar('flow', ...
    {'apples', 'oranges', 'bananas', 'berries'}, {'NYC', 'BOS', 'LAX'}, ...
    'LowerBound',0,'Type','integer');
p.Objective = sum(sum(rand(4,3).*flow));
p.Constraints.NYC = rand(1,4)*flow(:,'NYC') <= 10;
p.Constraints.BOS = rand(1,4)*flow(:,'BOS') <= 12;
p.Constraints.LAX = rand(1,4)*flow(:,'LAX') <= 35;
sol = solve(p);
Solving problem using intlinprog.
Running HiGHS 1.7.1: Copyright (c) 2024 HiGHS under MIT licence terms
Coefficient ranges:
  Matrix [4e-02, 1e+00]
  Cost   [1e-01, 1e+00]
  Bound  [0e+00, 0e+00]
  RHS    [1e+01, 4e+01]
Presolving model
3 rows, 12 cols, 12 nonzeros  0s
3 rows, 12 cols, 12 nonzeros  0s

Solving MIP model with:
   3 rows
   12 cols (0 binary, 12 integer, 0 implied int., 0 continuous)
   12 nonzeros

        Nodes      |    B&B Tree     |            Objective Bounds              |  Dynamic Constraints |       Work      
     Proc. InQueue |  Leaves   Expl. | BestBound       BestSol              Gap |   Cuts   InLp Confl. | LpIters     Time

         0       0         0   0.00%   1160.150059     -inf                 inf        0      0      0         0     0.0s
 S       0       0         0   0.00%   1160.150059     1027.233133       12.94%        0      0      0         0     0.0s

Solving report
  Status            Optimal
  Primal bound      1027.23313332
  Dual bound        1027.23313332
  Gap               0% (tolerance: 0.01%)
  Solution status   feasible
                    1027.23313332 (objective)
                    0 (bound viol.)
                    0 (int. viol.)
                    0 (row viol.)
  Timing            0.00 (total)
                    0.00 (presolve)
                    0.00 (postsolve)
  Nodes             1
  LP iterations     3 (total)
                    0 (strong br.)
                    0 (separation)
                    0 (heuristics)

Optimal solution found.

Intlinprog stopped at the root node because the objective value is within a gap tolerance of the optimal value, options.AbsoluteGapTolerance = 1e-06. The intcon variables are integer within tolerance, options.ConstraintTolerance = 1e-06.

ニューヨークとロサンゼルスへのオレンジとベリーの最適フローを求めます。

[idxFruit,idxAirports] = findindex(flow, {'oranges','berries'}, {'NYC', 'LAX'})
idxFruit = 1×2

     2     4


idxAirports = 1×2

     1     3


orangeBerries = sol.flow(idxFruit, idxAirports)
orangeBerries = 2×2

     0   980
    70     0

この表示は、NYC 向けのオレンジは 0、70 のベリーが NYC 向け、980 のオレンジが LAX 向けで、LAX 向けのベリーは 0 であることを示しています。

次の最適なフローをリストします。

Fruit Airports

----- --------

Berries NYC

Apples BOS

Oranges LAX

idx = findindex(flow, {'berries', 'apples', 'oranges'}, {'NYC', 'BOS', 'LAX'})
idx = 1×3

     4     5    10


optimalFlow = sol.flow(idx)
optimalFlow = 1×3

    70    28   980

この表示は、70 のベリーが NYC 向け、28 のアップルが BOS 向けで、980 のオレンジが LAX 向けであることを示しています。

ライブ スクリプトを開く

さまざまな地表タイプ、候補となる作物、耕起方法を伴う問題の名前付きインデックス変数を作成します。

land = ["irr-good","irr-poor","dry-good","dry-poor"];
crops = ["wheat-lentil","wheat-corn","barley-chickpea","barley-lentil","wheat-onion","barley-onion"];
plow = ["tradition","mechanized"];
xcrop = optimvar('xcrop',land,crops,plow,'LowerBound',0);

初期点を正しいサイズのゼロ配列に設定します。

x0.xcrop = zeros(size(xcrop));

従来どおりに耕作され、乾燥状態で植えられる "wheat-onion" および "wheat-lentil" 作物の場合は、初期値を 3000 に設定します。

[idxLand, idxCrop, idxPlough] = findindex(xcrop, ["dry-good","dry-poor"], ...
             ["wheat-onion","wheat-lentil"],"tradition");
x0.xcrop(idxLand,idxCrop,idxPlough) = 3000;

以下の 3 つの点の初期値を設定します。

Land      Crops           Method      Value
dry-good  wheat-corn      mechanized  2000
irr-poor  barley-onion    tradition   5000
irr-good  barley-chickpea mechanized  3500

idx = findindex(xcrop,...
    ["dry-good","irr-poor","irr-good"],...
    ["wheat-corn","barley-onion","barley-chickpea"],...
    ["mechanized","tradition","mechanized"]);
x0.xcrop(idx) = [2000,5000,3500];

入力引数

すべて折りたたむ

最適化変数。OptimizationVariable オブジェクトとして指定します。optimvar を使用して、var を作成します。

例: var = optimvar('var',4,6)

名前付きインデックス。文字ベクトルの cell 配列、文字ベクトル、string ベクトルまたは整数ベクトルとして指定します。strindex 引数の数は、var の次元の数に一致しなければなりません。

例: ["small","medium","large"]

データ型: double | char | string | cell

出力引数

すべて折りたたむ

等価の数値インデックス。整数ベクトルとして返されます。出力引数の数は、次のいずれかでなければなりません。

  • var の次元の数。各出力ベクトル numindexj は、対応する入力引数 strindexj に等価な数値です。

  • 1。この場合、各入力 strindexj のサイズはすべての j で同じでなければなりません。また、出力は線形インデックス付け条件を満たします。

    var(numindex(j)) = var(strindex1(j),...,strindexk(j)) (すべての j について)

バージョン履歴

R2018a で導入

参考

|

トピック