允许您通过输入项目数据来购买多个项目的产品。例如，如果客户想要粉刷墙壁，他们将输入他们想要粉刷的平方英尺和产品偏好，应用程序将提供所需的用品列表，例如胶带、织物和油漆。然后，客户可以在线购买或前往您的实体店之一。然而，产品有不同的尺寸。例如，如果客户选择升、加仑和加仑规格的油漆品牌，则这些规格的多种组合可以满足其覆盖需求。如何选择组合？在这种情况下，最好选择能够使价格最小化的封装尺寸组合。通过这种方式，客户可以确保获得有竞争力的价格。较大的容器通常相对便宜，因此很容易通过优先考虑较大的容器并减少它们来计算数量。但情况并非总是如此。商店里可能会进行促销活动，使较小的单位更便宜。或者有时没有足够的大型单位来满足客户的需求。或者也许商店的定价结构使得较大的容器毕竟不成比例地便宜。我亲眼目睹了所有这些事情的发生。优化仅限于救援现在问题变得更加复杂了。即使并不困难，为什么还要编写代码呢？我们是程序员，优秀的程序员重用。
幸运的是有一些工具可以解决此
类问题以及更多问题。它们是受限制的优化包。约束优化包括找出最小化或最大化尊重一个或多个约束的函数所需的值。这些值是过程的结果，称为决策变量。让我们用约束优化来表述前面的例子。我们假设以下情况：每个油漆罐尺寸的价格。：库存中每种尺寸的油漆罐数量。：每个尺寸的油漆罐覆盖的表面积。：项目总面积。约束优化简介图片然后，我们可以将我们的问题提出为找到要购买的每种尺寸的油漆罐数量以使价格最小化的任务，只要油漆罐覆盖项目区域并且我们不超过库存数量。或者用更数学的方式来说资产约束优化简介图像关键术语的 印度电报数据 定义决策变量我们的输出是优化应该产生的结果。它们有类型和范围。在本例中，它是一个整数，因为它是容器的计数，其值范围从没有可购买的）到有库存。是要购买的每个集装箱的数量。最小化要最小化的表达式Σ。该表达式称为目标函数，在本例中它是总价格。优化包将设置数量值，使总价尽可能低。限制这就是表达式Σ≥。这些是任何解决方案都必须满足的条件。在这种情况下，它确定所选数量的总覆盖范围满足或超过项目面积。我们可以添加更多约束，约束优化的大部分力量在于它们的明智甚至智能）应用。事实上，我们的决策变量的域可以表示为约束。
目标函数您的目标函数可能非常复杂
但是当您进入涉及更高幂的更复杂的目标函数时，您应该记住以下几点：您将需要一个可以处理此类问题的求解器。解决者是真正找到我们的解决方案的人。一些求解器是为线性问题设计的，另一些求解器是为非线性问题设计的，还有一些专门研究整数问题，等等。您可能找不到最佳解决方案。相反，您可能会得到可行的解决方案，也可能根本没有解决方案。运行优化可能需要 贝宁电报号码数据 更长的时间，尤其是对于非线性问题。让我们分别讨论这些问题。求解器处理约束优化的包将针对特定类型的问题进行配置，或者等待您告诉它们要使用哪种类型的求解器。通常，软件包会有不同的求解器可供选择，但有时您需要找到并安装自己的求解器。找到解决方案有些优化问题可能需要很长时间才能解决，长到不可能获得最优解。对于这些类型的问题，您最终可能会得到一个可行但不是最佳的解决方案。这并不像听起来那么糟糕，因为由于问题如此复杂，其他人不太可能想出最佳解决方案。当然，你可能得不到任何解决方案。表现约束优化问题的求解时间可以从不到一秒到……好吧，假设足够长，没有人会等待它。
