NLP程序章节中的SAS代码（NLP）
/****************************************************************//*S A S S A M P L E L I B R A R Y*//* *//*姓名：NLP*//*标题：NLP程序章节中的SAS代码（NLP）*//*产品：或*//*系统：所有*//*关键词：NLP*//*程序：NLP*//*数据：*//* *//*支持：更新：*//*参考：*//*其他：*//* *//****************************************************************/标题“PROC NLP”；/****************************************************************//*PROC NLP:入门*//****************************************************************/标题3“无约束问题。Rosenbrocks函数'；/*无约束问题*/程序nlp；最小f；decvar x1 x2；f1=10*（x2-x1*x1）；f2=1-x1；f=.5*（f1*f1+f2*f2）；跑步；title3“最小二乘法”；/*最小二乘法*/进程nlp；lsq f1 f2；decvar x1 x2；f1=10*（x2-x1*x1）；f2=1-x1；跑步；title3“决策变量的边界约束”；/*决策变量的边界约束*/程序nlp；lsq f1 f2；decvar x1 x2；边界x1-x2<=.5；f1=10*（x2-x1*x1）；f2=1-x1；跑步；title3“决策变量的线性约束”；/*决策变量的线性约束*/进程nlp；lsq f1 f2；decvar x1 x2；边界x1-x2<=.5；lincon x1+x2<=.6；f1=10*（x2-x1*x1）；f2=1-x1；跑步；标题3“决策变量的非线性约束”；/*决策变量的非线性约束*/proc nlp tech=数量；最小f；decvar x1 x2；边界x1-x2<=.5；lincon x1+x2<=.6；nlincon c1>=0；c1=x1*x1-2*x2；f1=10*（x2-x1*x1）；f2=1-x1；f=.5*（f1*f1+f2*f2）；跑步；/*一个简单的最大似然示例*/title3“简单的最大可能性示例”；数据x；输入x@@；数据线；1 3 4 5 7;proc nlp数据=x vardef=n协方差=h pcov phes；剖面平均σ/α=.5.1.05.01；最大loglik；参数均值=0，σ=1；界限sigma>1e-12；loglik=-0.5*（（x平均值）/σ）**2-log（σ）；跑步；/*CRPJAC声明*/标题3“CRPJAC声明”；proc-nlp技术=列弗马；lsq f1 f2；decvar x1 x2；梯度g1-g2；crpjac cpj1-cpj3；f1=10*（x2-x1*x1）；f2=1-x1；g1=-200*x1*（x2-x1*x1）-（1-x1）；g2=100*（x2-x1*x1）；cpj1=400*x1*x1+1；cpj2=-200*x1；cpj3=100；跑步；/*GRADIENT语句*/title3“梯度声明”；proc-nlp-tech=刚果；最小y；decvar x1 x2；梯度g1-g2；y1=10*（x2-x1*x1）；y2=1-x1；y=.5*（y1*y1+y2*y2）；g1=-200*x1*（x2-x1*x1）-（1-x1）；g2=100*（x2-x1*x1）；跑步；/*HESSIAN声明*/标题3“HESSIAN声明”；proc-nlp-tech=nrridg；最小f；decvar x1 x2；梯度g1-g2；粗麻布h1-h3；f1=10*（x2-x1*x1）；f2=1-x1；f=.5*（f1*f1+f2*f2）；g1=-200*x1*（x2-x1*x1）-（1-x1）；g2=100*（x2-x1*x1）；h1=-200*（x2-3*x1*x1）+1；h2=-200*x1；h3=100；跑步；/*雅各布语句（Rosenbrock函数）*/title3“雅各比声明（Rosenbrock函数）”；proc-nlp-tech=levmar；数组j[2,2]j1-j4；lsq f1 f2；decvar x1 x2；雅可比j1-j4；f1=10*（x2-x1*x1）；f2=1-x1；j[1,1]=-20*x1；j[1,2]=10；j[2,1]=-1；j[2,2]=0；/*不需要*/跑步；/*MINQUAD和MAXQUAD语句*/title3“MINQUAD和MAXQUAD声明”；proc-nlp-pall；数组h[2,2].4 00 4;minquad h，-100；decvar x1 x2=-1；边界2<=x1<=50，-50≤x2≤50；林肯10<=10*x1-x2；跑步；proc-nlp-pall；minquad h，-100；decvar x1 x2；边界2<=x1<=50，-50≤x2≤50；林肯10<=10*x1-x2；h1=.4；h4=4；跑步；处理nlp全部；矩阵h[1,1]=.4 4；minquad h，-100；decvar x1 x2=-1；边界2<=x1<=50，-50≤x2≤50；林肯10<=10*x1-x2；跑步；标题3；/****************************************************************//*PROC NLP示例1：使用DATA=选项*//****************************************************************/title“PROC NLP示例1。使用DATA=选项'；proc-nlp-tech=levmar；lsq y1-y15；parms x1-x3=1；tmp1=15*x2+最小值（1,15）*x3；y1=0.14-（x1+1/tmp1）；tmp1=14*x2+最小值（2,14）*x3；y2=0.18-（x1+2/tmp1）；tmp1=13*x2+最小值（3,13）*x3；y3=0.22-（x1+3/tmp1）；tmp1=12*x2+最小值（4,12）*x3；y4=0.25-（x1+4/tmp1）；tmp1=11*x2+最小值（5,11）*x3；y5=0.29-（x1+5/tmp1）；tmp1=10*x2+最小值（6,10）*x3；y6=0.32-（x1+6/tmp1）；tmp1=9*x2+最小值（7,9）*x3；y7=0.35-（x1+7/tmp1）；tmp1=8*x2+最小值（8,8）*x3；y8=0.39-（x1+8/tmp1）；tmp1=7*x2+最小值（9,7）*x3；y9=0.37-（x1+9/tmp1）；tmp1=6*x2+最小值（10,6）*x3；y10=0.58-（x1+10/tmp1）；tmp1=5*x2+最小值（11.5）*x3；y11=0.73-（x1+11/tmp1）；tmp1=4*x2+最小值（12,4）*x3；y12=0.96-（x1+12/tmp1）；tmp1=3*x2+最小值（13,3）*x3；y13=1.34-（x1+13/tmp1）；tmp1=2*x2+最小值（14.2）*x3；y14=2.10-（x1+14/tmp1）；tmp1=1*x2+最小值（15.1）*x3；y15=4.39-（x1+15/tmp1）；跑步；数据条；输入r@@；w1=16.-_n；w2=最小值（_n_，16.-_n）；数据线；.14 .18 .22 .25 .29 .32 .35 .39.37 .58 .73 .96 1.34 2.10 4.39;proc-nlp-data=bard-tech=levmar；lsq y；参数x1-x3=1。；y=r-（x1+_obs_/（w1*x2+w2*x3））；跑步；proc-nlp-tech=levmar；数组r[15].14.18.22.25.29.32.35.39.37.58.73 .96 1.34 2.10 4.39 ;数组y[15]y1-y15；lsq y1-y15；参数x1-x3=1。；do i=1至15；w1=16.-i；w2=最小值（i，w1）；w3=w1*x2+w2*x3；y[i]=r[i]-（x1+i/w3）；结束；跑步；/****************************************************************//*PROC NLP示例2：使用INQUAD选项*//****************************************************************/title“PROC NLP示例2”。使用INQUAD=选项'；数据四元1；输入类型$名称$x1 x2；数据线；常数-100 -100四边形x1 0.4 0四线组x2 0 4;proc-nlp-inquad=quad1-all；最小值；参数x1x2=-1；边界2<=x1<=50，-50≤x2≤50；林肯10<=10*x1-x2；跑步；数据四元2；输入类型_$_row_$_col_$_value_；数据线；常量-100四芯x1 x1 0.4四芯x2x2 4;数据四边形3；输入类型$名称$x1 x2 _rhs；数据线；常量-100 -100 .四线组x1 0.020。四芯x2 0.00 2。参数-1 -1 .下面。2 -50 .上方。50 50 .通用电气公司。10 -1 10;进程nlp-inquad=quad3；最小值；参数x1x2；跑步；/****************************************************************//*PROC NLP示例3：使用INEST=选项*//****************************************************************/title“PROC NLP示例3”。使用INEST=选项'；proc-nlp-tech=trureg-outest=res；最小y；参数x1=1，x2=.5；界限0≤x1-x2；lincon.57735*x1-x2>=0，x1+1.732*x2>=0，-x1-1.732*x2>=-6；y=（（（x1-3）**2-9.）*x2**3）/（27*sqrt（3））；跑步；数据betts1（type=est）；输入类型$x1x2_rhs；数据线；参数1.5。下层0 0。第57735-1页。第1.732页。勒1 1.732 6;proc-nlp-inst=betts1-tech=trureg；最小y；参数x1x2；y=（（（x1-3）**2-9）*x2**3）/（27*sqrt（3））；跑步；数据betts2（类型=est）；输入类型$x1 x2 rhs a b c d；数据线；参数1.5。3 9 27 3下层0 0。通用电气57735-10。通用电气1 1.732 0。le 1 1.732 6。;proc-nlp-inst=betts2-tech=trureg；最小y；参数x1x2；y=（（（x1-a）**2-b）*x2**3）/（c*sqrt（d））；跑步；/****************************************************************//*PROC NLP示例4：重新启动优化*//****************************************************************/title“PROC NLP示例4。重新启动优化'；proc-nlp-tech=trureg-outmodel=model-outest=est out=out1；lsq y1 y2；参数x1=-1.2，x2=1。；y1=10.*（x2-x1*x1）；y2=1.-x1；跑步；proc打印数据=out1；跑步；proc nlp tech=none model=model inest=est out=out 2 outder=1 pjac PHISTORY；lsq y1 y2；参数x1x2；跑步；proc打印数据=out2；跑步；/****************************************************************//*PROC NLP示例5：近似标准误差*//****************************************************************/title“PROC NLP示例5。近似标准误差；数据x；输入x@@；数据线；1 3 4 5 7;proc nlp数据=x cov=j pstderr pshort PHISTORY；lsq残渣；参数平均值=0；resi=x平均值；跑步；proc nlp数据=x cov=1 sigsq=1 pstderr phes pcov pshort；最小nloglik；参数均值=0，σ=1；边界1e-12<σ；nloglik=.5*（（x平均值）/σ）**2+log（σ）；跑步；proc nlp数据=x cov=1 sigsq=1 pstderr pcov pshort；最小平方米；参数平均值=0；平方剩余=.5*（x平均值）**2；跑步；proc nlp数据=x cov=2 pstderr pcov pshort；最小平方米；参数平均值=0；平方剩余=.5*（x平均值）**2；跑步；/****************************************************************//*PROC NLP示例6：最大似然威布尔估计*//****************************************************************/title“PROC NLP示例6。最大似然威布尔估计；title3“无法律（1982）：2-参数Weibull MLE”；数据枪；输入天数cens@@；数据线；143 0 164 0 188 0 188 0190 0 192 0 206 0 209 0213 0 216 0 220 0 227 0230 0 234 0 246 0 265 0304 0 216 1 244 1;数据par1（类型=est）；保持类型sigθ；_type_=“武器”；sig=.5；c=.5；θ=0；产出；_类型=“b”；sig=1.0e-6；c=1.0e-6；θ=。；产出；跑步；proc-nlp-data=pike-tech=tr-inst=par1-outest=opar1outmodel=模型cov=2 vardef=n pcov phes；最大logf；参数sig c；剖面sig c/alpha=.9至.1 x-1.09至.01 x-.01；x_th=天数-θ；s=-（x_th/sig）**c；如果cens=0，则s+log（c）-c*log（sig）+（c-1）*log；logf=s；跑步；/*计算θ参数的上限*/proc单变量数据=pike noprint；var天数；输出=stats n=nobs min=minx range=range；跑步；数据统计；设置统计信息；保持类型θ；/* 1. 写入参数观察*/θ=最小值-.1*范围；如果θ<0，则θ=0；_type_=“参数”；产出；/* 2. 写入ub观察*/θ=最小值*（1-1e-4）；_type_=“ub”；产出；跑步；进程排序数据=opar1；按类型；跑步；数据par2（类型=est）；合并opar1（drop=theta）统计；按类型；保持类型sig cθ；if_type_ in（“parms”“lowerbd”“ub”）；跑步；proc-nlp-data=pike-tech=tr-inst=par2-outest=opar2模型=模型cov=2 vardef=n pcov phes；最大logf；参数sig cθ；剖面sigθ/α=.5.1.05.01；跑步；标题3；/****************************************************************//*PROC NLP示例7：简单池问题*//****************************************************************/title“PROC NLP示例7。简单汇集问题；处理nlp全部；参数数量x数量数量数量数量b数量cpooltox pooltoy ctox ctoy pools=1；界限0<=amountx amounty amounta amountb amountc，amountx<=100，数量<=200，0<=pooltox pooltoy ctox ctoy，1<=池<=3；lincon amounta+amountb=池tox+池玩具，pooltox+ctox=数量x，pooltoy+ctoy=数量，ctox+ctoy=金额c；nlincon nlc1-nlc2>=0。，nlc3=0。；最大f；costa=6；成本b=16；成本c=10；成本x=9；成本=15；f=成本x*金额x+成本*金额-costa*amounta-costb*amountb-costc*amountc；nlc1=2.5*数量x-池*池tox-2。*ctox；nlc2=1.5*数量-泳池*泳池玩具-2.*ctoy；nlc3=3*amounta+amountb-pools*（amounta+amountb）；跑步；数据初始化1（类型=est）；输入类型_$amountx amounty amounta amountbamountc pooltox pooltoy ctox ctoy泳池_rhs成本成本成本成本ca-cb-cc-cd；数据线；参数1 11 11 11 11 1 1 1 1. 6 16 10 9 15 2.5 1.5 2. 三。;proc-nlp-inst=init1-all；参数数量x数量数量数量数量b数量cpooltox pooltoy ctox ctoy泳池；界限0<=amountx amounty amounta amountb amountc，amountx<=100，数量<=200，0<=pooltox pooltoy ctox ctoy，1<=池<=3；lincon amounta+amountb=池tox+池玩具，pooltox+ctox=总量x，pooltoy+ctoy=数量，ctox+ctoy=金额c；nlincon nlc1-nlc2>=0。，nlc3=0。；最大f；f=成本x*金额x+成本*金额-costa*amounta-costb*amountb-costc*amountc；nlc1=ca*amountx-pools*pooltox-cc*ctox；nlc2=cb*数量-池*池玩具-cc*ctoy；nlc3=cd*amounta+amountb-pools*（amounta+amountb）；跑步；数据初始化2（类型=est）；输入类型$amountx数量amounty数量b数量cpooltox pooltoy ctox ctoy泳池_rhs costa costb costc costx costy；数据线；参数1 11 11 11 11 1 1 1 1. 6 16 10 9 15 2.5 1.5 2 3下标0 0 0 0 00 0 0 0 1. . . . . . . . . .上部100 200。三. . . . . . . . . .等式。1 1 . -1 -1 . . .0 . . . . . . . . .等式1-1 . -1 . .0 . . . . . . . . .等式。1 . . . . -1 . -1 .0 . . . . . . . . .等式。1 . . -1 -1 .0 . . . . . . . . .;proc-nlp-inst=init2-outmod=model-all；参数数量x数量数量数量数量b数量cpooltox pooltoy ctox ctoy游泳池；nlincon nlc1-nlc2>=0。，nlc3=0。；最大f；f=成本x*金额x+成本*金额-costa*amounta-costb*amountb-costc*amountc；nlc1=2.5*数量x-池*池tox-2。*ctox；nlc2=1.5*数量-泳池*泳池玩具-2.*ctoy；nlc3=3*amounta+amountb-pools*（amounta+amountb）；跑步；proc-nlp-inst=init2-model=model-all；参数数量x数量数量数量数量b数量cpooltox pooltoy ctox ctoy泳池；nlincon nlc1-nlc2>=0。，nlc3=0。；最大f；跑步；proc-nlp-inst=init2-model=model-all；参数数量x数量数量数量数量b数量cpooltox pooltoy ctox ctoy=0，池=2；nlincon nlc1-nlc2>=0。，nlc3=0。；最大f；跑步；/****************************************************************//*PROC NLP示例8：化学平衡*//****************************************************************/title“PROC NLP示例8。化学平衡’；proc-nlp-tech=tr-pall；数组c[10]-6.089-17.164-34.054-5.914-24.721-14.986 -24.100 -10.708 -26.662 -22.179;阵列x[10]x1-x10；最小y；parms x1-x10=.1；边界1.e-6<=x1-x10；林肯2.=x1+2.*x2+2.*x3+x6+x10，1.=x4+2.*x5+x6+x7，1.=x3+x7+x8+2.*x9+x10；s=x1+x2+x3+x4+x5+x6+x7+x8+x9+x10；y=0。；do j=1到10；y=y+x[j]*（c[j]+log（x[j]/s））；结束；跑步；proc nlp tech=tr fdhessian all；数组c[10]-6.089-17.164-34.054-5.914-24.721-14.986 -24.100 -10.708 -26.662 -22.179;阵列x[10]x1-x10；阵列g[10]g1-g10；最小y；参数x1-x10=.1；边界1.e-6<=x1-x10；林肯2.=x1+2.*x2+2.*x3+x6+x10，1.=x4+2.*x5+x6+x7，1.=x3+x7+x8+2.*x9+x10；s=x1+x2+x3+x4+x5+x6+x7+x8+x9+x10；y=0。；do j=1到10；y=y+x[j]*（c[j]+log（x[j]/s））；g[j]=c[j]+log（x[j]/s）；结束；跑步；/****************************************************************//*PROC NLP示例9：最小化网络中的总延迟*//****************************************************************/title“PROC NLP示例9。最小化网络中的总延迟”；proc nlp所有初始值=.5；最大y；parms x12 x13 x32 x24 x34；边界x12<=10，x13≤30，x32≤10，x24<=30，x34≤10；/*流入十字路口的东西必须流出*/嵌线x13=x32+x34，x12+x32=x24，x24+x34=x12+x13；y=x24+x34+0*x12+0*x13+0*x32；跑步；proc nlp all initial=.5；最小y；parms x12 x13 x32 x24 x34；边界x12 x13 x32 x24 x34>=0；lincon x13=x32+x34，/*流入=流出*/x12+x32=x24，x24+x34=5；/*=f=所需流量*/t12=5+.1*x12/（1-x12/10）；t13=x13/（1-x13/30）；t32=1+x32/（1-x32/10）；t24=x24/（1-x24/30）；t34=5+.1*x34/（1-x34/10）；y=t12*x12+t13*x13+t32*x32+t24*x24+t34*x34；跑步；/****************************************************************//*重写PROC OPTMODEL的NLP模型*//****************************************************************//*PROC NLP示例7*/处理所有nlp；参数数量x数量数量数量数量b数量cpooltox pooltoy ctox ctoy pools=1；界限0<=amountx amounty amounta amountb amountc，amountx<=100，数量<=200，0<=pooltox pooltoy ctox ctoy，1<=池<=3；lincon amounta+amountb=池tox+池玩具，pooltox+ctox=总量x，pooltoy+ctoy=数量，ctox+ctoy=金额c；nlincon nlc1-nlc2>=0。，nlc3=0。；最大f；costa=6；成本b=16；成本c=10；成本x=9；成本=15；f=成本x*金额x+成本*金额-costa*amounta-costb*amountb-costc*amountc；nlc1=2.5*数量x-池*池tox-2。*ctox；nlc2=1.5*数量-泳池*泳池玩具-2.*ctoy；nlc3=3*amounta+amountb-pools*（amounta+amountb）；跑步；过程操作模型；var amountx init 1>=0<=100，数量初始化1>=0<=200；var amounta init 1>=0，amountb init 1>=0，amountc init 1>=0；var pooltox初始化1>=0，pooltoy初始化1>=0；var ctox初始化1>=0，ctoy初始值1>=0；var池初始化1>=1<=3；con-amounta+amountb=pooltox+pooltoy，pooltox+ctox=总量x，pooltoy+ctoy=数量，ctox+ctoy=金额c；数字costa，costb，costc，costx，costy；costa=6；成本b=16；成本c=10；成本x=9；成本=15；最大f=成本*金额x+成本*金额-costa*amounta-costb*amountb-costc*amountc；connlc1:2.5*amountx-pools*pooltox-2.*ctox>=0，nlc2:1.5*数量-泳池*泳池玩具-2.*ctoy>=0，nlc3:3*amounta+amountb-池*（amounta+amountb）= 0;解决；打印数量x数量数量数量b数量cpooltox pooltoy ctox ctoy泳池；/*PROC NLP示例8*/proc-nlp-tech=tr-pall；数组c[10]-6.089-17.164-34.054-5.914-24.721-14.986 -24.100 -10.708 -26.662 -22.179;阵列x[10]x1-x10；最小y；参数x1-x10=.1；边界1.e-6<=x1-x10；林肯2.=x1+2.*x2+2.*x3+x6+x10，1.=x4+2.*x5+x6+x7，1.=x3+x7+x8+2.*x9+x10；s=x1+x2+x3+x4+x5+x6+x7+x8+x9+x10；y=0。；do j=1到10；y=y+x[j]*（c[j]+log（x[j]/s））；结束；跑步；过程操作模型；设置CMP=1..10；数字c{CMP}=[-6.089-17.164-34.054-5.914-24.721-14.986 -24.100 -10.708 -26.662 -22.179];var x{CMP}初始值0.1>=1.e-6；条件2.=x[1]+2.*x[2]+2.*x[3]+x[6]+x[10]，1.=x[4]+2.*x[5]+x[6]+x[7]，1.=x[3]+x[7]+x[8]+2.*x[9]+x[10]；/*替换NLP模型中的变量*/impvar s=CMP}x[i]中的总和{i；最小y=CMP中的和{j}x[j]*（c[j]+log（x[j]/s））；解决；打印x y；/*广义读取*/数据补偿；输入ca1a2a3；数据线；-6.089 1 0 0-17.164 2 0 0-34.054 2 0 1-5.914 0 1 0-24.721 0 2 0-14.986 1 1 0-24.100 0 1 1-10.708 0 0 1-26.662 0 0 2-22.179 1 0 1;数据原子；输入b@@；数据线；2. 1. 1;过程操作模型；设置CMP；设置ELT；数字c{CMP}；编号a{ELT，CMP}；数字b{ELT}；将数据原子读入ELT=[_n_]b；将数据comp读入CMP=[n_]英语教学中的c{i}<a[i，_n_]=col（“a_”||i）>；var x{CMP}初始值0.1>=1.e-6；ELT}中的conbal{i：b[i]=CMP}a[i，j]*x[j]中的sum{j；impvar s=CMP}x[i]中的总和{i；最小y=CMP中的和{j}x[j]*（c[j]+log（x[j]/s））；打印b；解决；打印x；退出；数据补偿；输入名称$c a h a n a o；数据线；小时-6.089 1 0H2-17.164 2 0 0水-34.054 2 0 1编号-5.914 0 10氮气-24.721 0 2 0NH-14.986 1 10号编号-24.100 0 1 1O-10.708 0 1号氧气-26.662 0 2俄亥俄州-22.179 1 0 1;数据原子；输入名称$b；数据线；H 2。编号1。O 1。;过程操作模型；设置<string>CMP；设置ELT；数字c{CMP}；编号a{ELT，CMP}；数字b{ELT}；将数据原子读入ELT=[name]b；将数据comp读入CMP=[name]英语教学中的c{i}<a[i，name]=col（“a_”||i）>；var x{CMP}初始值0.1>=1.e-6；ELT}中的conbal{i：b[i]=CMP}a[i，j]*x[j]中的sum{j；impvar s=CMP}x[i]中的总和{i；最小y=CMP中的和{j}x[j]*（c[j]+log（x[j]/s））；解决；打印x；退出；