在CPLEX中对含决策变量的函数求积分的方法咨询

CPLEX本身不内置连续积分运算能力，它作为线性、二次混合整数规划求解器，原生仅支持线性、二次型及预定义的分段线性等约束类型，没有直接处理积分算子的官方接口，你可以通过以下两类可行方案实现需求：

常用实现方案 #

• 样本平均近似法（SAA）
  这是求解含期望的随机规划问题最通用的方案，你可以先从积分对应的概率分布中抽取N个独立同分布的样本，将原期望积分E[f(x,ξ)]近似为(1/N) * Σf(x,ξ_i)，其中x为你的决策变量，ξ_i为抽取的第i个样本。只要f(x,ξ)对决策变量x是线性或二次的，转换后的求和式可以直接嵌入现有MIP模型，CPLEX可直接求解，样本量足够大时可以满足绝大多数场景的精度要求。
• 确定性数值积分离散化
  如果你的积分域维度低、被积函数形式规则，可以采用确定性求积公式（如梯形法、辛普森法、高斯求积）将积分转换为有限个节点的加权求和形式，只要每个加权项的表达式属于CPLEX支持的类型，就可以直接写入模型。

注意事项 #

• 目前不存在直接在CPLEX内完成精确积分的方案，所有可行方法本质都是将积分算子转换为CPLEX支持的离散代数表达式
• 离散化精度和模型规模负相关，样本/求积节点越多，模型求解耗时越高，需要根据你的业务需求平衡精度和计算效率。

内容的提问来源于stack exchange，提问作者MerveIb