其他文章：

通过0-1背包问题看穷举法、贪心算法、启发式算法（JAVA)

模拟退火(SA)算法实例介绍（JAVA)

遗传算法（GA）实例介绍（JAVA)

CPLEX求解器入门案例

java集成Cplex：Cplex下载、IDEA环境搭建、docker部署

windows下cplex12.6.3的下载、安装、IDE编程及相关问题解决

windows下cplex20.1.0启动报错： ilog.odms.ide.opllang.IloOplLangPlugin

Cplex20.1版本bin包Linux安装过程

---

参考B站视频：cplex入门到精通

一、下载

进入官网：https://www.ibm.com/cn-zh/analytics/cplex-optimizer

在右上角搜索框中输入“cplex”，并点击搜索。

搜索的结果：

找到下载页面，其中学术版可以免费使用，但是需要使用学校邮箱注册。学术版的cplex的求解规模和约束变量是有限的。也可以花钱买，功能更强大。白瞟学术版即可。这里就不详细说了

如果有需要可以关注我的公众号[诸葛小猿]，输入关键字“cplex”，即可获得下载地址。如果不能下载，请到公众号文章下留言。

二、安装

获取软件包后：

双击安装：

选择简体中文，并点击确定：

点击下一步：

选择接受协议后，点击下一步：

自定义安装目录(建议不要放在系统C盘)，点击下一步：

选择副本目录，选择下一步：

选择关联相关文件（一定要选），选择下一步：

选择更新PATH变量（一定要选），选择下一步：

这里展示了安装的目录（要记住自己安装的这两个目录，后续相关的文件需要到这两个目录里找），选择安装：

看到上面的界面基本就安装完成了。安装进度条提醒cplex依赖jre，所以需要提前在电脑上安装java环境，如果不会安装java环境请百度。

上面勾选了“Readme file”时，点击下一步会自动在浏览器中显示readme文件内容，建议勾选，简单读一下readme文件。

上面勾选了“CPLEX Opeimization Studio IDE”时，点击下一步会自动打开编程窗口，建议勾选。

点击下一步：

点击完成。

点击完成后，由于勾选了“Readme file”，这里可以看到相关内容。注意浏览器中readme文件的位置，就是我们的安装位置。

点击完成后，由于之前选择了“CPLEX Opeimization Studio IDE”，所以这里会自动打开上面IDE编辑器，并且弹框询问工作空间放在哪里，所谓的工作空间就是后续我们使用ide编辑器写代码时，我们的代码文件保存的目录，这个目录很重要，后续可以在这里找到自己之前写过的代码。建议定义好这个目录。左下角有个选项“将此值作为缺省值并且不再询问”，建议勾选，如果不勾选，以后每次打开IDE编辑器时都会弹框询问。

点击确定，即可打开下面的IED代码编辑器。

上面的欢迎窗口中间有四个功能：概述、教程、样本、新增内容，可以学习一下相关使用。

关闭欢迎页面，现在就可以在编辑器中建模求解了。

三、IDE的使用

安装完成后，在电脑的左下角开始按钮中可以看到：

这里有相关的使用说明，前四个是说明，有需要的可以自己读（如下）,第五个是IDE的启动按钮。

四、编程测试

4.1.创建项目

• 创建OPL项目

• 选择项目位置

• 编程窗口

  

4.2.不使用集合语言编程（简单编程）

模型比较简单、变量约束比较少的情况，可以直接编程，比较简单。

• 模型：

 min z = 2x + 3y
 s.t.    2x + 3y >= 20 
         x + y >= 10
         x,y>=0且为整数

• 代码：

 // 1.定义决策变量          x,y>=0且为整数
 dvar int+ x;
 dvar int+ y;
 
 // 2.定义目标函数  min z = 2x + 3y
 minimize 2*x + 3*y;
 
 // 3.定义约束条件
 subject to {
 	 2*x + 3*y >= 20;
 	  x + y >= 10;
 }

• 运行方式一：

运行后看到“问题”窗口报错了，具体错误原因出现了乱码，问题类型：OPL标记问题。原因出在项目中“运行配置”文件夹下的文件是中文的原因。右键这个“配置1（缺省值）”，重命名为config1，修改英文名后右键运行。最终的结果在“解”这个对话框中。

• 运行方式二

或者直接使用命令运行：oplrun -p <路径\项目名>

这里我这个项目的路径是D:\IBM\workspace\firstModelTest

打开命令行窗口运行命令：

4.3.使用集合语言编程

模型比较复杂时可以使用这个方式。

4.3.1.背包问题

比如一个背包问题的模型如下（假如n、p、w、C是三个已知量）：

代码：

// 1.定义已知量
int n=4;
int C=13;
int p[1..4]=[12,11,9,8];
int w[1..4]=[8,6,4,3];

// 2.定义决策变量
dvar boolean x[1..n];

// 3.目标函数
maximize sum(j in 1..n) p[j] * x[j];

// 4.约束条件
subject to{
	sum(j in 1..n) w[j] *x[j] <= C;
}

运行结果：

4.3.2.指派问题

模型：

代码：

// 1.定义已知量
int n = 5;
int c[1..5][1..5] = 
[
[3,8,2,10,3],
[8,7,2,9,7],
[6,4,2,7,5],
[8,4,2,3,5],
[9,10,6,9,10]
];

// 2.定义决策变量
dvar boolean x[1..n][1..n];

// 3.目标函数
minimize sum(i in 1..n) sum(j in 1..n) c[i][j] * x[i][j];

// 4.约束条件
subject to {
  forall(j in 1..n) sum(i in 1..n) x[i][j] == 1;
  forall(i in 1..n) sum(j in 1..n) x[i][j] == 1;
}

运行结果：