由于新能源发电和负荷有不确定性，为保证微电网的安全可靠运行，蓄电池作为储能装置发挥了重要作用。为充分利用蓄电池，提高微电网的经济性，建立考虑蓄电池使用寿命的微电网经济调度模型，并应用混合整数线性规划算法进行求解。以一个包含风、光、储、微型燃气轮机、柴油发电机和燃料电池的微电网为算例，对微电网并网运行方式进行经济调度优化，计算结果验证了所提模型的有效性。

MATLAB 中的混合整数线性规划(matlab)

针对油品应急调度突发性、弱经济性、强时间性、广地域性等特点，提出以油品短缺对社会造成的影响最小和运输总费用最低为优化目标，以物质守恒、生产能力、运输时间限制等为约束的油品应急调度的混合整数线性规划（MILP）模型。该模型求解简便快捷，能够协助决策人员根据调度优化结果迅速制定出最优方案，以满足应急调度的需要。

IBM ILOG CPLEX Optimization Studio V12.8.0 Windows版本安装包和demo文件

为准确、快速地获取配电网故障恢复最优策略，提出基于节点状态优化的故障恢复混合整数线性规划方法。首先提出节点状态变量概念及其节点属性和电源属性，在此基础上建立节点状态变量-开关状态变量的线性函数关系，即开关状态线性模型；然后运用恒功率负荷线性化方法，建立基于基尔霍夫定律的电流及电压线性等式，等式中节点电压及支路电流等状态变量受节点状态变量及开关状态变量的约束；最后形成以切负荷及开关操作次数最少为目标的故障配电网最优潮流混合整数线性规划模型，即故障恢复模型。算例仿真验证了所提模型的合理性及有效性。

成本敏感的学习 依赖实例的成本敏感型学习的混合整数规划方法 抽象 在这项研究中，我们研究了与示例相关的成本敏感型学习，该学习基于标签决策带来了不同的成本/回报。 这些问题源于决策模型，在数据中成本/收益信息而不是真正标签的重点领域中得到了区分。 例如，在流失预测和信用评分中，主要目的是建立预测模型和决策规则，以最大化/最小化公司的回报/成本。 传统的精度驱动的分类方法没有考虑基于实例的成本/回报。 取而代之的是，学习基于恒定的错误分类错误进行。 因此，我们提出了一种将基于实例的成本/收益纳入学习算法的一般策略。 具体而言，将学习问题表述为混合整数程序，以使总回报最大化。 考虑到混合整数线性规划问题的高计算复杂性，该模型对于大规模数据集的训练实际上可能效率低下。 为了解决这个问题，我们还提出了成本敏感型Logistic回归，这是公式化线性模型的非线性近似，这得益于使用深度学习工具进行的基于梯

资源分配选择 使用Python中的混合整数线性规划解决资源分配问题

ompr, 用于混合整数线性规划的R 包 基于的混合整数整数线性规划 OMPR ( 优化建模包) 是一个用于模型和求解混合整数线性程序的DSL 。 它是由Julia的优秀跳跃项目启发的。以下是你可以使用这个软件包解决的一些问题：访问一组客户的成本最低的方

输电网结构优化是控制输电阻塞的手段之一。且当负荷处于较低水平、系统裕度较高时，也可以通过结构优化提高设备的利用率。为了在开断部分线路的同时保证系统安全性，建立考虑N-1安全网络约束的输电网结构优化模型。通过对可开断线路潮流方程进行线性化，将原有模型转化成混合整数线性规划形式。为了应对负荷的短期波动及风电出力不确定性对电网结构优化结果的影响，采用吸引子传播(AP)聚类算法构建不同的运行场景。以修改的IEEE-RTS 24节点系统为例对所提模型进行验证和分析，结果表明，在满足一定的安全约束条件下，断开某些输电网线路可以减轻输电阻塞、降低系统的运行成本、提高线路的负载率水平。