EllipsoidienEtaisyys.jl

using JuMP, Ipopt
# Julia-kielella epälineaarista optimointia
# kahden ellipsin kehien välinen minimi -ja maksimietäisyydet
# Juhani Kaukoranta 12.10.2022
# Ajetaan komennoillalla EllipsitMin() ja EllipsitMax()

function EllipsoiditMin() # ellipsien kehien minimietäisyys
    model = Model(Ipopt.Optimizer)
    set_silent(model)
    @variable(model, x1,start=1.0)
    @variable(model, y1,start=2.0)
    @variable(model, z1,start=3.0)
    @variable(model, x2,start=3.0)
    @variable(model, y2,start=4.0)
    @variable(model, z2,start=5.0)
    @NLobjective(model, Min, sqrt((x1-x2)^2+(y1-y2)^2+(z1-z2)^2)) # minimoidaan etäisyys
    @NLconstraint(model, cons1, (x1-5)^2/16+(y1-2)^2/9+(z1-1)^2/4==1)
    @NLconstraint(model, cons2, (x2+2)^2/4+(y2-1)^2/5+(z2-1)^2/7==1)
    optimize!(model)
    print(model)
    println("Kehien minimietäisyys = ", objective_value(model)) # tulostaa minimin
    println("(x1,y1,z1) = (",value(x1)," , ",value(y1)," , ",value(z1),")")
    println("(x2,y2,z2) = (",value(x2)," , ",value(y2)," , ",value(z2),")")
end

function EllipsoiditMax() # ellipsien kehien maksimietäisyys
    model = Model(Ipopt.Optimizer)
    set_silent(model)
    @variable(model, x1,start=1.0)
    @variable(model, y1,start=2.0)
    @variable(model, z1,start=3.0)
    @variable(model, x2,start=3.0)
    @variable(model, y2,start=4.0)
    @variable(model, z2,start=5.0)
    @NLobjective(model, Max, sqrt((x1-x2)^2+(y1-y2)^2+(z1-z2)^2)) # minimoidaan etäisyys
    @NLconstraint(model, cons1, (x1-5)^2/16+(y1-2)^2/9+(z1-1)^2/4==1)
    @NLconstraint(model, cons2, (x2+2)^2/4+(y2-1)^2/5+(z2-1)^2/7==1)
    optimize!(model)
    print(model)
    println("Kehien maksimimietäisyys = ", objective_value(model)) # tulostaa maksimin
    println("(x1,y1,z1) = (",value(x1)," , ",value(y1)," , ",value(z1),")")
    println("(x2,y2,z2) = (",value(x2)," , ",value(y2)," , ",value(y1),")")
end