线规算法
‘壹’ 电线截面平方的计算方法
截面的计算公式：S=半径的平方R×π（R为电线的半径）
比如直径1.76的线，就是1.76÷2×3.14=2.76平方≈2.5平方，（取近似值）。
要选择电线的大小，一般是先根据用电器的功率大小算出电流，然后根据电流在查电工手册即可，这样比较准确。
如果是单芯的就可以量一下其直径，然后得出半径
根据面积的公式S=半径*半径*3.14
就可以知道该电线的横截面积，而有些线是由多条线芯组合扭在一起的，这样就不能用单芯的方法去算了，只能是按这条电线中多条线的其中一条去接单芯线算，然后再乘以线的股数就可以。
公式为S=半径*半径*3.14*N，其中N为扭成这条电线的数量！
(1)线规算法扩展阅读：
知道电线的平方，计算电线的半径用求圆形面积的公式计算：
电线平方数（平方毫米）＝圆周率（3.14）×电线半径（毫米）的平方
知道电线的平方，计算线直径也是这样，如：
2.5方电线的线直径是：2.5÷ 3.14 = 0.8，再开方得出0.9毫米，因此2.5方线的线直径是：2×0.9毫米＝1.8毫米。
知道电线的直径，计算电线的平方也用求圆形面积的公式来计算：
电线的平方＝圆周率（3.14）×线直径的平方／4
电缆大小也用平方标称，多股线就是每根导线截面积之和。
住宅内常用的电线截面有 0.5m2、1m2、1.5m2 、 2 .5m2 、 4m2 、 6m2 、 10m2 、 16m2 、 25m2 、 35m2 、 50m2 等。
截流量指的是电线在常温下持续工作并能保证一定使用寿命（如 30 年）的工作电流大小。电线截流量的大小与其截面积的大小有关，即导线截面越大，它所能通过的电流也越大。如果线路电流超过载流量，使用寿命就相应缩短，如不及时换线，就可能引起种种电气事故。
导线截面越大，它所能通过的电流也越大。
‘贰’ 线性规划(LP)基本概念和搜索算法
可以用一个符号描述一系列类似的数量值
一个方程，如果他是关于决策变量的常熟加权求和形式，则该方程式 线性方程(liner) ，佛则该方程为 非线性方程(non-linear)
目标函数 以及约束方程 中均为关于决策变量的线性方程，则该优化模型为 线性规划(linear program, LP) ，其中目标函数可以为满足约束的任意整数或者分数
目标函数 以及约束方程 中存在关于决策变量的线性方程，则该优化模型为 非线性规划(nonlinear program, LP) ，其中目标函数可以为满足约束的任意整数或者分数
一个优化模型，如果他的决策变量中存在离散变量，则该优化模型位 整数规划(integer program, IP) ，如果整数规划的所有决策变量均为离散变量，则该整数规划为 纯整数规划(pure integer program) ；否则为 混合整数规划(mixed integer program) 。
搜索算法(improving search) 通过检查邻域来寻找比当前更好地解，若有改进则替换当前解，继续迭代，直到邻域中没有更好的解为止。搜索算法又称为 局部改进(local improvement) ， 爬山算法(hillclimbing) ， 局部搜索(local search) 或 邻域搜索(neighborhood search)
倘若一组可行解周围足够小的的邻域内没有优于该解的可行点，则称为 局部最优解(local optimum) ，最小化(最大化)问题存在 局部最小(最大)解 。
如果在全局范围内不存在目标值优于某可行解的其他可行点，则称为 全局最优解(global optimum) ，最小化(最大化)问题存在 全局最小(最大)解
搜索算法沿 由当前点 向下一个搜索点 移动，其中 是当前点 处的 搜索方向(move direction) ， 是沿该方向前进的 步长 ， 。
对于所有足够小的 都有 ,则称 是当前解的一个 改进方向(improving direction) ,如果满足所有约束条件，则为 可行改进方向 。
如果优化模型的目标函数 是光滑的(所有决策变量都是可微的)，那么，当 是一个n维向量的函数，当它有一个一阶片倒数，这些导数组成的n维向量称为 梯度
导数(derivative) ，描述函数随参数的变化率，可以看做斜率。 偏导数(partial derivative) ，是保持其他变量恒定时，关于其中一个变量的导数
对于最大化目标函数 ,若 ，搜索方向 是 处的可改进方向，若 ，搜索方向 不是 处的可改进方向。
对于最小化目标函数 ,若 ，搜索方向 是 处的可改进方向，若 ，搜索方向 不是 处的可改进方向。
当目标函数梯度 ，是最大化目标 的一个改进方向， 是最小化目标函数 的一个改进方向
如果可行域内任意两点的连线都在可行域内，则称该可行域为 凸集 。
离散的可行集总是非凸集
若优化模型的可行集是凸集，那么对任意可行解始终存在指向另一个解的可行方向，意味着，只要存在最优解，可能性不会阻碍局部最优解发展为全局最优解。
线性约束的可行集又称为多面体集。
如果优化模型的所有约束都是线性的，那么该模型的可行域是凸集
两阶段法
大M法