培训教案PPT课件

《培训教案PPT课件》由会员分享，可在线阅读，更多相关《培训教案PPT课件（78页珍藏版）》请在装配图网上搜索。

1、LINGO实用简易教程实用简易教程培训内容培训内容上午（上午（8：3011：30）下午（下午（13：3016：30）LINGO基本功能介绍利用LINGO求解整数规划问题LINGO的常用函数定义及其分类利用LINGO求解非线性规划问题利用LINGO求解线性规划问题在编程中对LINGO的调用利用LINGO进行敏感度分析LINGOLINGO简介简介 LINGO是一种专门用于求解数学规划问题的软件包。由于LINGO执行速度快，易于方便地输入、求解和分析数学规划问题，因此在教学、科研和工业界得到广泛应用。 LINGO主要用于求解线性规划、非线性规划、二次规划和整数规划等问题，也可以用于求解一些线性和非线

2、性方程组及代数方程求根等。使用入门使用入门界面界面使用入门使用入门菜单命令菜单命令“File”“Edit”：match parenthesis：括号匹配，选定某括号的一边，然后点击此选项，程序会自动寻找与之相匹配的括号，如果未找到，会有弹窗提示。paste function：用来进行函数的插入。“lingo”：solution：主要是考察结果，可以指定某一行或者某一个项目来考察结果，有文字形式也有图表形式。range：主要是用于灵敏度分析，在这里要先更改默认设置，将price改为price and range，然后才能运行range。generate：可以产生相对应的程序。debug：用于调试

3、程序，只能在程序出错时才能用。示例：model:sets: number/1.6/:x;endsetsdata: x = 5 1 3 4 6 10;enddata endwindows：command window：生成命令窗口，用于在非windows系统下以命令的方式编写和运行程序。tile：排列窗口的方式/横排或竖排cascade：以瀑布的方式排列窗口arrange icons：当窗口最小化之后用来排列图标。程序结构程序结构集集 LINGO的程序一般是一“MODEL：”开头，以“end”结束，内容包括四部分：集部分，数据部分，初始部分，目标函数、约束函数部分。 集部分集部分是LINGO模型

4、的一个可选部分。在LINGO模型中使用集之前，必须在集部分事先定义。集部分以关键字“sets:”开始，以“endsets”结束。一个模型可以没有集部分，或有一个简单的集部分，或有多个集部分。一个集部分可以放置于模型的任何地方，但是一个集及其属性在模型约束中被引用之前必须被定义。 程序结构程序结构原始集原始集 集包括原始集和派生集两集包括原始集和派生集两种。种。 定义原始集定义原始集为了定义一个原始集，必须详细声明：集的名字可选，集的成员可选，集成员的属性 定义一个原始集，用下面的语法： setname/member_list/:attribute_list;注意：用“ ”表示该部分内容可选。示

5、例1：model:sets:students/John,Linda,Tom/:age,gender;endsetsEnd示例2：Model:Sets:Month/Jan.Dec/:temperature;Endsetsend程序结构程序结构原始集原始集集成员列表的罗列可以有显式罗列和隐式罗列两种，显示罗列如上页所示，即将集成员全部罗列出来。隐式罗列不必罗列出每个集成员。可采用如下语法：setname/member1.memberN/: attribute_list;这里的member1是集的第一个成员名，memberN是集的最末一个成员名。LINGO将自动产生中间的所有成员名。LINGO也接受

6、一些特定的首成员名和末成员名，用于创建一些特殊的集。列表如下：隐式成员列表格式示例所产生集成员隐式成员列表格式示例所产生的集成员1.n1.51,2,3,4,5StringM.stringNCard2.Card10Card2,Card3,Card4Card10DayM.DayNMon.FriMon,Tue,Wen,Thu,FriMonthM.MonthNOct.JanOct,Nov,Dec,JanMonthYearM.MonthYearNOct2001.Jan2002Oct2001,Nov2001,Dec2001,Jan2002 程序结构程序结构原始集原始集也可以讲集成员在数据部分定义。示例：!

7、集部分;sets: students:sex,age;endsets!数据部分;data: students,sex,age= John 1 16 Jill 0 14 Rose 0 17 Mike 1 13;Enddata注意：开头用感叹号（!），末尾用分号（;）表示注释，可跨多行。请注意：数据部分的数据之间可以用空格隔开，也可以用逗号隔开。程序默认的数据是从索引1开始分配，即将“students，sex，age”的第一个数据分配完了之后再分配其第二个数据。再如下例：model:sets:students/John,Linda,Tom/:age,gender;EndsetsData:Age,g

8、ender=10,1,11,0,12,1;enddataEnd运行之后便可看出数据分配的结果。程序结构程序结构派生集派生集定义派生集定义派生集为了定义一个派生集，必须详细声明：集的名字父集父集的名字可选，集成员可选，集成员的属性可用下面的语法定义一个派生集：setname(parent_set_list)/member_list/:attribute_list;setname是集的名字。parent_set_list是已定义的集的列表，多个时必须用逗号隔开。如果没有指定成员列表，那么LINGO会自动创建父集成员的所有组合作为派生集的成员。派生集的父集既可以是原始集，也可以是其它的派生集。 fr

9、iendsStudentsHarryGreenJohn84Linda96Tom68示例：model:sets:students/John,Linda,Tom/:age,gender;friends/Harry,Green/;Links(students,friends):relationship;EndsetsData:Relationship=8,4,9,6,6,8;enddataEnd运行结果如下图：程序结构程序结构派生集派生集稀疏集可以用显式表示也可以用成员资格过滤器表示。显式表示可如下示例：Links(students,friends)/John,Harry,Linda,Green/:

10、relationship;（1）成员资格过滤器表示可如下示例：Links(students,friends)|&1 #eq# 1 #and# &2 #eq# 2:relationship;（2）将分别插入程序中，并修改数据，可得到如下结果：（1）RELATIONSHIP( JOHN, HARRY) 8.000000 RELATIONSHIP( LINDA, GREEN) 6.000000（2）RELATIONSHIP( JOHN, GREEN) 8.000000程序结构程序结构数据数据数据部分以关键字“data:”开始，以关键字“enddata”结束。在这里，可以指定集成员、集的属性。其语法如

11、下：object_list = value_list;对象列对象列（object_list）包含要指定值的属性名、要设置集成员的集名，用逗号或空格隔开。一个对象列中至多有一个集名，一个对象列中至多有一个集名，而属性名可以有任意多。而属性名可以有任意多。如果对象列中有多个属性名，那么它们的类型必须一致。如果对象列中有一个集名，那么对象列中所有的属性的类型就是这个集。数值列数值列（value_list）包含要分配给对象列中的对象的值，用逗号或空格隔开。注意属性值的个数必须等于集成员的个数。看下面的例子。示例：sets: set1/A,B,C/: X,Y;endsetsdata: X=1,2,3;

12、Y=4,5,6;Enddata数据部分也可以如此表示，其本质是一样的：data: X,Y=1 4 2 5 3 6;enddata程序结构程序结构数据数据Data部分也可以用来定义标量变量，如下所示:data: interest_rate = .085;enddata也可以同时指定多个参数。data: interest_rate,inflation_rate = .085 .03;enddata 在某些情况，对于模型中的某些数据并不是定值。譬如模型中有一个通货膨胀率的参数，我们想在2%至6%范围内，对不同的值求解模型，来观察模型的结果对通货膨胀的依赖有多么敏感。我们把这种情况称为实时数据处理实时

13、数据处理（what if analysis）。LINGO有一个特征可方便地做到这件事：在本该放数的地方输入一个问号（?）。如下所示：data: interest_rate,inflation_rate = .085 ?;enddata每一次求解模型时，LINGO都会提示为参数inflation_rate输入一个值。在WINDOWS操作系统下，将会接收到一个类似右上角所示的对话框： 直接输入一个值再点击OK按钮，LINGO就会把输入的值指定给inflation_rate，然后继续求解模型。程序结构程序结构数据数据指定属性为一个值指定属性为一个值可以在数据声明的右边输入一个值来把所有的成员的该属性

14、指定为一个值。看下面的例子。数据部分的未知数值数据部分的未知数值有时只想为一个集的部分成员的某个属性指定值，而让其余成员的该属性保持未知，以便让LINGO去求出它们的最优值。在数据声明中输入两个相连的逗号表示该位置对应的集成员的属性值未知。两个逗号间可以有空格。属性capacity的第2个和第3个值分别为34和20，其余的未知。 示例示例1：sets: days /MO,TU,WE,TH,FR,SA,SU/:needs,cost;endsetsdata: needs cost = 20 100;Enddata示例示例2：sets: years/1.5/: capacity;endsetsdat

15、a: capacity = ,34,20,;Enddata属性capacity的第2个和第3个值分别为34和20，其余的未知。程序结构程序结构初始部分初始部分初始部分是LINGO提供的另一个可选部分。在初始部分中，可以输入初始声初始声明明（initialization statement），和数据部分中的数据声明相同。对实际问题的建模时，初始部分并不起到描述模型的作用，在初始部分输入的值仅被LINGO求解器当作初始点来用，并且仅仅对非线性模型有用。仅仅对非线性模型有用。和数据部分指定变量的值不同，LINGO求解器可以自由改变初始部分初始化的变量的值。一个初始部分以“init:”开始，以“end

16、init”结束。初始部分的初始声明规则和数据部分的数据声明规则相同。也就是说，我们可以在声明的左边同时初始化多个集属性，可以把集属性初始化为一个值，可以用问号实现实时数据处理，还可以用逗号指定未知数值。示例：示例：init: X, Y = 0, .001;endinit Y=log(X); X+Y=1;注意：好的初始点会减少模型的求解时间。如左例中，若将x的初始值改为0.9，则可以明显减少迭代次数。程序结构程序结构基本运算符基本运算符一、基本运算符一、基本运算符1、算术运算符算术运算符是针对数值进行操作的。LINGO提供了5种二元运算符：乘方乘除加减LINGO唯一的一元算术运算符是取反函数“”

17、。这些运算符的优先级由高到底为：高（取反） 低运算符的运算次序为从左到右按优先级高低来执行。运算的次序可以用圆括号“（）”来改变。程序结构程序结构逻辑运算符逻辑运算符2、逻辑运算符在LINGO中，逻辑运算符主要用于集循环函数的条件表达式中，来控制在函数中哪些集成员被包含，哪些被排斥。在创建稀疏集时用在成员资格过滤器中。LINGO具有种逻辑运算符：#not# 否定该操作数的逻辑值，not是一个一元运算符#eq#若两个运算数相等，则为true；否则为flase#ne# 若两个运算符不相等，则为true；否则为flase#gt# 若左边的运算符严格大于右边的运算符，则为true；否则为flase#g

18、e# 若左边的运算符大于或等于右边的运算符，则为true；否则为flase#lt# 若左边的运算符严格小于右边的运算符，则为true；否则为flase#le# 若左边的运算符小于或等于右边的运算符，则为true；否则为flase#and# 仅当两个参数都为true时，结果为true；否则为flase#or# 仅当两个参数都为false时，结果为false；否则为true这些运算符的优先级由高到低为：高 #not# #eq# #ne# #gt# #ge# #lt# #le#低 #and# #or#程序结构程序结构数学算符数学算符二、数学函数二、数学函数LINGO提供了大量的标准数学函数：abs(

19、x) 返回x的绝对值sin(x) 返回x的正弦值，x采用弧度制cos(x) 返回x的余弦值tan(x) 返回x的正切值exp(x) 返回常数e的x次方log(x) 返回x的自然对数lgm(x) 返回x的gamma函数的自然对数sign(x) 如果x=0时，返回不超过x的最大整数；当x0时，返回不低于x的最小整数。smax(x1,x2,xn) 返回x1，x2，xn中的最大值smin(x1,x2,xn) 返回x1，x2，xn中的最小值程序结构程序结构应用实例应用实例应用示例：给定一个直角三角形，求包含该三角形的最小正方形。 解：如图所示。求最小的正方形就相当于求如下的最优化问题：LINGO代码如下

20、：model:sets: object/1.3/: f;endsetsdata: a, b = 3, 4; !两个直角边长，修改很方便;enddata f(1) = a * sin(x); f(2) = b * cos(x); f(3) = a * cos(x) + b * sin(x); min = smax(f(1),f(2),f(3); bnd(0,x,1.57);endABCDEabx,sincos,cos,sinxbxaDExbADxaCE程序结构程序结构概率函数概率函数三、概率函数三、概率函数1pbn(p,n,x)：二项分布的累积分布函数。当n和（或）x不是整数时，用线性插值法进行

21、计算。2pcx(n,x) ：自由度为n的2分布的累积分布函数。3peb(a,x) ：当到达负荷为a，服务系统有x个服务器且允许无穷排队时的Erlang繁忙概率。4pel(a,x) ：当到达负荷为a，服务系统有x个服务器且不允许排队时的Erlang繁忙概率。5pfd(n,d,x) ：自由度为n和d的F分布的累积分布函数。6pfs(a,x,c) ：当负荷上限为a，顾客数为c，平行服务器数量为x时，有限源的Poisson服务系统的等待或返修顾客数的期望值。a是顾客数乘以平均服务时间，再除以平均返修时间。当c和（或）x不是整数时，采用线性插值进行计算。7phg(pop,g,n,x) ：超几何（Hype

22、rgeometric）分布的累积分布函数。pop表示产品总数，g是正品数。从所有产品中任意取出n（npop）件。pop，g，n和x都可以是非整数，这时采用线性插值进行计算。8ppl(a,x)Poisson ：分布的线性损失函数，即返回max(0,z-x)的期望值，其中随机变量z服从均值为a的Poisson分布。9pps(a,x) ：均值为a的Poisson分布的累积分布函数。当x不是整数时，采用线性插值进行计算。10psl(x) ：单位正态线性损失函数，即返回max(0,z-x)的期望值，其中随机变量z服从标准正态分布。11psn(x) ：标准正态分布的累积分布函数12ptd(n,x) ：自由

23、度为n的t分布的累积分布函数。程序结构程序结构qrandqrand13qrand(seed)：产生服从(0,1)区间的拟随机数。qrand只允许在模型的数据部分使用，它将用拟随机数填满集属性。通常，声明一个mn的二维表，m表示运行实验的次数，n表示每次实验所需的随机数的个数。在行内，随机数是独立分布的；在行间，随机数是非常均匀的。这些随机数是用“分层取样”的方法产生的。model:data: M=4; N=2; seed=1234567;enddatasets: rows/1.M/; cols/1.N/; table(rows,cols): x;endsetsdata: X=qrand(see

24、d);enddataend如果没有为函数指定种子，那么LINGO将用系统时间构造种子。程序结构程序结构randrand14rand(seed)返回0和1间的伪随机数，依赖于指定的种子。典型用法是U(I+1)=rand(U(I)。注意如果seed不变，那么产生的随机数也不变。示例：利用rand产生15个标准正态分布的随机数和自由度为2的t分布的随机数。model:!产生一列正态分布和t分布的随机数;sets: series/1.15/: u, znorm, zt;endsets !第一个均匀分布随机数是任意的; u( 1) = rand( .1234); !产生其余的均匀分布的随机数; for(

25、series( I)| I #GT# 1:u( I) = rand( u( I - 1) ); for( series( I): !正态分布随机数; psn( znorm( I) = u( I); !和自由度为2的t分布随机数; ptd( 2, zt( I) = u( I); !ZNORM 和 ZT 可以是负数; free( znorm( I); free( zt( I); );end程序结构程序结构变量界定函数变量界定函数四、变量界定函数四、变量界定函数变量界定函数实现对变量取值范围的附加限制，共4种：bin(x)：限制x为0或1bnd(L,x,U)：限制LxUfree(x) ：取消对变量x

26、的默认下界为0的限制，即x可以取任意实数gin(x)：限制x为整数在默认情况下，LINGO规定变量是非负的，也就是说下界为0，上界为+。free取消了默认的下界为0的限制，使变量也可以取负值。bnd用于设定一个变量的上下界,它也可以取消默认下界为0的约束。应用示例：（1）min=x1+x2;x1-x2=2;x1+2*x20。（4）若将程序修改为：max=x1+x2;x1-x2=2;x1+2*x2= required(J);end程序结构程序结构应用实例应用实例计算的部分结果为Global optimal solution found at iteration: 0 Objective valu

27、e: 22.00000 Variable Value Reduced Cost REQUIRED( MON) 20.00000 0.000000 REQUIRED( TUE) 16.00000 0.000000 REQUIRED( WED) 13.00000 0.000000 REQUIRED( THU) 16.00000 0.000000 REQUIRED( FRI) 19.00000 0.000000 REQUIRED( SAT) 14.00000 0.000000 REQUIRED( SUN) 12.00000 0.000000 START( MON) 8.000000 0.000000

28、 START( TUE) 2.000000 0.000000 START( WED) 0.000000 0.3333333 START( THU) 6.000000 0.000000 START( FRI) 3.000000 0.000000 START( SAT) 3.000000 0.000000 START( SUN) 0.000000 0.000000从而解决方案是：每周最少需要22个职员，周一安排8人，周二安排2人，周三无需安排人，周四安排6人，周五和周六都安排3人，周日无需安排人。程序结构程序结构集循环函数集循环函数3. prod函数：用于获取集中所有元素的乘积。示例：MODEL:

29、SETS:COMPONENTS: P;ENDSETSDATA:P = .95 .99 .98;ENDDATAP_FAIL = 1 - PROD( COMPONENTS( I): P( I);END本例中P_FAIL表示的是一个串联系统失效的概率。程序结构程序结构辅助函数辅助函数七、辅助函数七、辅助函数1if(logical_condition,true_result,false_result)if函数将评价一个逻辑表达式logical_condition，如果为真，返回true_ result，否则返回false_result。示例1：求解最优化问题其LINGO代码如下：model: min=

30、fx+fy; fx=if(x #gt# 0, 100,0)+2*x; fy=if(y #gt# 0,60,0)+3*y; x+y=30;end 2warn(text,logical_condition)如果逻辑条件logical_condition为真，则产生一个内容为text的信息框。示例2：model: x=1; warn(x是正数,x #gt# 0); end简单的命令行命令及应用简单的命令行命令及应用命令行命令一般用于非windows系统的计算机中，我们可以通过菜单行中找到“command window”或者按组合键“CTRL+1” 来启动命令窗口。在这里仅仅对简单的命令作一下介绍。c

31、at显示所有命令类型；com按类型显示所有命令；model开始以命令行方式输入一个模型；go求解当前模型；solu显示当前模型的求解结果；quit退出lingo系统。LINGOLINGO实战实战线性规划线性规划某家具公司制造书桌、餐桌和椅子，所用的资源有三种：木料、木工和漆工。生产数据如下表所示：若要求桌子的生产量不超过5件，如何安排三种产品的生产可使利润最大？ 每个书桌每个餐桌每个椅子现有资源总数木料8单位6单位1单位48单位漆工4单位2单位1.5单位20单位木工2单位1.5单位0.5单位8单位成本单价60单位30单位20单位 LINGOLINGO实战实战线性规划线性规划分析：这是一个典型的

32、线性规划问题。我们用DESKS、TABLES和CHAIRS分别表示三种产品的生产量，建立LP模型。程序如下所示：max=60*desks+30*tables+20*chairs; 8*desks+6*tables+chairs=48;4*desks+2*tables+1.5*chairs=20;2*desks+1.5*tables+.5*chairs=8;tables=5;在变量较少的情况下，用这种格式是比较方便的，但是当变量增多时，这样的写法就会耗时耗力了。因此，我们提倡用lingo提供的函数来简化模型的结构，使之更加易写与易读。首先，我们要定义集合：sets:products/desks,

33、tables,chairs/:interest,volume;materials/a.c/:capacity;links(products,materials):x;endsetsLINGOLINGO实战实战线性规划线性规划现在我们来定义数据部分：data:interest=60,30,20;capacity=48,20,8;x=8,4,26,2,1.51,1.5,0.5;enddata然后我们写出目标函数与约束条件：max=sum(products(i):interest(i)*volume(i);for(materials(j):sum(products(i):x(i,j)*volume(

34、i)=capacity(j);volume(2)=5;最后，我们只需要将这几部分组合起来即可。LINGOLINGO实战实战线性规划线性规划model:sets:products/desks,tables,chairs/:interest,volume;materials/a.c/:capacity;links(products,materials):x;endsetsdata:interest=60,30,20;capacity=48,20,8;x=8,4,26,2,1.51,1.5,0.5;enddatamax=sum(products(i):interest(i)*volume(i);fo

35、r(materials(j):sum(products(i):x(i,j)*volume(i)=capacity(j);volume(2)=5;endLINGOLINGO实战实战线性规划线性规划Objective value: 280.0000Total solver iterations: 2Variable Value Reduced CostVOLUME( DESKS) 2.000000 0.000000 VOLUME( TABLES) 0.000000 5.000000 VOLUME( CHAIRS) 8.000000 0.000000 Row Slack or Surplus Dua

36、l Price 1 280.0000 1.000000 2 24.00000 0.000000 3 0.000000 10.00000 4 0.000000 10.00000 5 5.000000 0.000000“Global optimal solution found at iteration: 2”表示2次迭代后得到全局最优解。 “Objective value:280.0000”表示最优目标值为280。 LINGOLINGO实战实战线性规划线性规划“Reduced Cost”列出最优单纯形表中判别数所在行的变量的系数，表示当变量有微小变动时, 目标函数的变化率。其中基变量的reduc

37、ed cost值应为0， 对于非基变量 Xj, 相应的 reduced cost值表示当某个变量Xj 增加一个单位时目标函数减少的量( max型问题)。本例中：变量tables对应的reduced cost值为5，表示当非基变量tables的值从0变为 1时（此时假定其他非基变量保持不变,但为了满足约束条件，基变量显然会发生变化），最优的目标函数值 = 280 - 5 = 275。“DUAL PRICE”（对偶价格）表示当对应约束有微小变动时, 目标函数的变化率。输出结果中对应于每一个约束有一个对偶价格。 若其数值为p， 表示对应约束中不等式右端项若增加1 个单位，目标函数将增加p个单位（ma

38、x型问题）。显然，如果在最优解处约束正好取等号（也就是“紧约束”，也称为有效约束或起作用约束），对偶价格值才可能不是0。本例中：第3、4行是紧约束，对应的对偶价格值为10，表示当紧约束 3) 4 DESKS + 2 TABLES + 1.5 CHAIRS = 20 变为 3) 4 DESKS + 2 TABLES + 1.5 CHAIRS = 21 时，目标函数值 = 280 +10 = 290。对第4行也类似。 对于非紧约束（如本例中第2、5行是非紧约束），DUAL PRICE 的值为0, 表示对应约束中不等式右端项的微小扰动不影响目标函数。有时, 通过分析DUAL PRICE, 也可对产生

39、不可行问题的原因有所了解。LINGOLINGO实战实战灵敏度分析灵敏度分析下面我们来做灵敏度分析：首先，我们要启动灵敏度分析，即将“General Solver”选项卡中的“Dual Computation”下拉项修改为“Prices & Ranges”。然后，我们点“Solve”运行程序，运行完之后，回到模型界面，点击“lingo”菜单下的“range”选项即可得到结果。结果显示如下： Ranges in which the basis is unchanged: Objective Coefficient Ranges Current Allowable Allowable Variabl

40、e Coefficient Increase Decrease VOLUME( DESKS) 60.00000 20.00000 4.000000 VOLUME( TABLES) 30.00000 5.000000 INFINITY VOLUME( CHAIRS) 20.00000 2.500000 5.000000LINGOLINGO实战实战灵敏度分析灵敏度分析 Righthand Side Ranges Row Current Allowable Allowable RHS Increase Decrease 2 48.00000 INFINITY 24.00000 3 20.00000

41、4.000000 4.000000 4 8.000000 2.000000 1.333333 5 5.000000 INFINITY 5.000000LINGOLINGO实战实战灵敏度分析灵敏度分析目标函数中DESKS变量原来的费用系数为60，允许增加（Allowable Increase）=4、允许减少（Allowable Decrease）=2，说明当它在60-4，60+20 = 56，80范围变化时，最优基保持不变。对TABLES、CHAIRS变量，可以类似解释。由于此时约束没有变化（只是目标函数中某个费用系数发生变化），所以最优基保持不变的意思也就是最优解不变（当然，由于目标函数中费用

42、系数发生了变化，所以最优值会变化）。 第2行约束中右端项（Right Hand Side，简写为RHS）原来为48，当它在48-24，48+ = 24，范围变化时，最优基保持不变。第3、4、5行可以类似解释。不过由于此时约束发生变化，最优基即使不变，最优解、最优值也会发生变化。灵敏性分析结果表示的是最优基保持不变的系数范围。由此，也可以进一步确定当目标函数的费用系数和约束右端项发生小的变化时，最优基和最优解、最优值如何变化。下面我们通过求解一个实际问题来进行说明。LINGOLINGO实战实战灵敏度分析灵敏度分析一奶制品加工厂用牛奶生产A1,A2两种奶制品，1桶牛奶可以在甲车间用12小时加工成3

43、公斤A1，或者在乙车间用8小时加工成4公斤A2。根据市场需求，生产的A1,A2全部能售出，且每公斤A1获利24元，每公斤A2获利16元。现在加工厂每天能得到50桶牛奶的供应，每天正式工人总的劳动时间480小时，并且甲车间每天至多能加工100公斤A1，乙车间的加工能力没有限制。试为该厂制订一个生产计划，使每天获利最大，并进一步讨论以下3个附加问题： 1） 若用35元可以买到1桶牛奶，应否作这项投资？若投资，每天最多购买多少桶牛奶？ 2） 若可以聘用临时工人以增加劳动时间，付给临时工人的工资最多是每小时几元？ 3） 由于市场需求变化，每公斤A1的获利增加到30元，应否改变生产计划？模型很简单，设生

44、产A1的数量为x1，生产A2的数量为x2，代码如下：max=72*x1+64*x2;x1+x2=50;12*x1+8*x2=480;3*x1=100;LINGOLINGO实战实战灵敏度分析灵敏度分析求解这个模型并做灵敏性分析，结果如下。 Global optimal solution found at iteration: 0 Objective value: 3360.000 Variable Value Reduced Cost X1 20.00000 0.000000 X2 30.00000 0.000000 Row Slack or Surplus Dual Price 1 3360.

45、000 1.000000 2 0.000000 48.00000 3 0.000000 2.000000 4 40.00000 0.000000LINGOLINGO实战实战灵敏度分析灵敏度分析Ranges in which the basis is unchanged: Objective Coefficient Ranges Current Allowable AllowableVariable Coefficient Increase Decrease X1 72.00000 24.00000 8.000000 X2 64.00000 8.000000 16.00000 Righthand

46、 Side Ranges Row Current Allowable Allowable RHS Increase Decrease 2 50.00000 10.00000 6.666667 3 480.0000 53.33333 80.00000 4 100.0000 INFINITY 40.00000LINGOLINGO实战实战灵敏度分析灵敏度分析目标函数可以看作“效益”，成为紧约束的“资源”一旦增加，“效益”必然跟着增长。输出中DUAL PRICES 给出这3种资源在最优解下“资源”增加1个单位时“效益”的增量：原料增加1个单位（1桶牛奶）时利润增长48（元），劳动时间增加1个单位（1小

47、时）时利润增长2（元），而增加非紧约束车间甲的能力显然不会使利润增长。这里，“效益”的增量可以看作“资源”的潜在价值，经济学上称为影子价格，即1桶牛奶的影子价格为48元，1小时劳动的影子价格为2元，车间甲的影子价格为零。读者可以用直接求解的办法验证上面的结论，即将输入文件中原料约束milk）右端的50改为51，看看得到的最优值（利润）是否恰好增长48（元）。用影子价格的概念很容易回答附加问题1）：用35元可以买到1桶牛奶，低于1桶牛奶的影子价格48，当然应该作这项投资。回答附加问题2）：聘用临时工人以增加劳动时间，付给的工资低于劳动时间的影子价格才可以增加利润，所以工资最多是每小时2元。 目标

48、函数的系数发生变化时（假定约束条件不变），最优解和最优值会改变吗？这个问题不能简单地回答。上面输出给出了最优基不变条件下目标函数系数的允许变化范围：x1的系数为（72-8，72+24）=（64，96）；x2的系数为（64-16，64+8）=（48，72）。注意：x1系数的允许范围需要x2系数64不变，反之亦然。由于目标函数的费用系数变化并不影响约束条件，因此此时最优基不变可以保证最优解也不变，但最优值变化。用这个结果很容易回答附加问题3）：若每公斤A1的获利增加到30元，则x1系数变为303=90，在允许范围内，所以不应改变生产计划，但最优值变为9020+6430=3720。 LINGOLIN

49、GO实战实战灵敏度分析灵敏度分析下面对“资源”的影子价格作进一步的分析。影子价格的作用（即在最优解下“资源”增加1个单位时“效益”的增量）是有限制的。每增加1桶牛奶利润增长48元（影子价格），但是，上 面输出的CURRENT RHS 的ALLOWABLE INCREASE 和 ALLOWABLE DECREASE 给出了影子价格有意义条件下约束右端的限制范围： milk）原料最多增加10（桶牛奶），time）劳动时间最多增加53（小时）。现在可以回答附加问题1）的第2问：虽然应该批准用35元买1桶牛奶的投资，但每天最多购买10桶牛奶。顺便地说，可以用低于每小时2元的工资聘用临时工人以增加劳动时

50、间，但最多增加53.3333小时。 需要注意的是：灵敏性分析给出的只是最优基保持不变的充分条件，而不一定是必要条件。比如对于上面的问题，“原料最多增加10（桶牛奶）”的含义只能是“原料增加10（桶牛奶）”时最优基保持不变，所以影子价格有意义，即利润的增加大于牛奶的投资。反过来，原料增加超过10（桶牛奶），影子价格是否一定没有意义？最优基是否一定改变？一般来说，这是不能从灵敏性分析报告中直接得到的。此时，应该重新用新数据求解规划模型，才能做出判断。所以，从正常理解的角度来看，我们上面回答“原料最多增加10（桶牛奶）”并不是完全科学的。LINGOLINGO实战实战整数规划整数规划有四种资源被用于生

51、产三种产品，资源量、产品单件可变费用、单件售价、资源单耗量及组织三种商品生产的固定费用见下表。现要求制定一个生产计划，使总收益最大。产品IIIIII资源量A248500B234300C123100D357700单件可变费用4612固定费用100150200单件售价71020单耗量资源LINGOLINGO实战实战整数规划整数规划LINGOLINGO实战实战整数规划整数规划LINGOLINGO实战实战整数规划整数规划LINGOLINGO实战实战整数规划整数规划下面是LINGO程序。MODEL:DATA:M=150;ENDDATAmax=3*x1+4*x2+8*x3-100*y1-150*y2-20

52、0*y3;!目标函数;2*x1+4*x2+8*x3=500;2*x1+3*x2+4*x3=300;x1+2*x2+3*x3=100;3*x1+5*x2+7*x3=700;x1=M*y1;x2=M*y2;x3=M*y3;GIN(x1);GIN(x2);GIN(x3); !指定产品件数为整数;BIN(y1);BIN(y2);BIN(y3); !指定0-1变量;end得到的解为x1=100,x2=0,x3=0,y1=1,y2=0,y3=0。最大值为Z=200元。LINGOLINGO整数规划整数规划公司在各地有4项业务，选定了4位业务员去处理。由于业务能力、经验和其它情况不同，4业务员去处理4项业务的

53、费用（单位：元）各不相同，见下表：业务业务业务员业务员1234111008001000700260050030080034008001000900411001000500700应当怎样分派任务，才能使总的费用最小？LINGOLINGO实战实战整数规划整数规划LINGOLINGO实战实战整数规划整数规划LINGO程序如下：MODEL:SETS:person/1.4/;task/1.4/;assign(person,task):a,x;ENDSETSDATA:a=1100,800,1000,700, 600,500,300,800,400,800,1000,900,1100,1000,500,70

54、0;ENDDATAmin=sum(assign:a*x);for(person(i):sum(task(j):x(i,j)=1);for(task(j):sum(person(i):x(i,j)=1);for(assign(i,j):bin(x(i,j);ENDLINGOLINGO实战实战整数规划整数规划得到的结果如下：x(1,1)=0,x(1,2)=0,x(1,3)=0,x(1,4)=1;x(2,1)=0,x(2,2)=1,x(2,3)=0,x(2,4)=0;x(3,1)=1,x(3,2)=0,x(3,3)=0,x(3,4)=0;x(4,1)=0,x(4,2)=0,x(4,3)=1,x(4,

55、4)=0;最小费用为2100元。即第1个业余员做第4项业务，第2个业余员做第2项业务，即第3个业余员做第1项业务，第4业余员做第3项业务。总费用达到最小，为2100元。LINGOLINGO实战实战TSPTSP问题问题设有一个售货员从10个城市中的某一个城市出发，去其它9个城市推销产品。10个城市相互距离如下表。要求每个城市到达一次仅一次后，回到原出发城市。问他应如何选择旅行路线，使总路程最短。城市城市12345678910107458612131118270310914514171734305910218271245105014910923165899140787201966141097013

56、52513712521108130232118813148975230181291117272320252118016101817121619131812160LINGOLINGO实战实战TSPTSP问题问题LINGOLINGO实战实战TSPTSP问题问题LINGO程序如下：!TSP quesion;MODEL:SETS:city/1.10/;link(city,city)|&1#GT#&2:d,s;ENDSETSDATA:d= 7 4 3 5 10 5 8 9 9 14 6 14 10 9 7 12 5 21 10 8 13 13 14 8 9 7 5 23 11 17 27 23 20 2

57、5 21 18 18 17 12 16 19 13 18 12 16; LINGOLINGO实战实战TSPTSP问题问题ENDDATA MIN=SUM(link:d*s); SUM(city(j)|j#GT#1:S(j,1)=2; !与第1个城市相连的有两个城市; !与第i个城市相连有两个城市; FOR(city(i)|i#GT#1:SUM(city(j)|j#GT#i:s(j,i)+ SUM(city(k)|k#LT#i:s(i,k)=2);FOR(link:BIN(s);得到的结果如下： S(3,2)=1,S(4,1)=1,S(4,3)=1,S(6,5)=1,S(7,2)=1,S(7,5)

58、=1,S(8,6)=1,S(9,1)=1,S(10,8)=1,S(10,9)=1。其它全为0。 其最短路线为143275681091，最短距离为77公里。LINGOLINGO实战实战非线性规划非线性规划 使用LINGO软件计算6个发点8个收点的最小费用运输问题。产销单位运价如下表。 单单 销地销地位运位运价价产产地地B B1 1B B2 2B B3 3B B4 4B B5 5B B6 6B B7 7B B8 8产产量量A A1 16 62 26 67 74 42 25 59 96060A A2 24 49 95 53 38 85 58 82 25555A A3 35 52 21 19 97 7

59、4 43 33 35151A A4 47 76 67 73 39 92 27 71 14343A A5 52 23 39 95 57 72 26 65 54141A A6 65 55 52 22 28 81 14 43 35252销量销量35353737222232324141323243433838 LINGOLINGO实战实战非线性规划非线性规划Sets部分：SETS: WAREHOUSES/WH1.WH6/: CAPACITY; VENDORS/V1.V8/: DEMAND; LINKS( WAREHOUSES, VENDORS): COST, VOLUME;ENDSETSData部分：

60、DATA: CAPACITY = 60 55 51 43 41 52; DEMAND = 35 37 22 32 41 32 43 38; COST = 6 2 6 7 4 2 5 9 4 9 5 3 8 5 8 2 5 2 1 9 7 4 3 3 7 6 7 3 9 2 7 1 2 3 9 5 7 2 6 5 5 5 2 2 8 1 4 3;ENDDATALINGOLINGO实战实战非线性规划非线性规划目标函数：Minimize ij COST ij VOLUME ij翻译成lingo语言即为：MIN = SUM( LINKS(I,J): COST(I,J) * VOLUME(I,J);约束

61、条件：i VOLUMEij = DEMANDj, for all j in VENDORS 翻译成lingo语言即为：FOR( VENDORS( J): SUM( WAREHOUSES( I): VOLUME( I, J) = DEMAND( J);j VOLUME ij = CAP i , for all i in WAREHOUSES翻译成lingo语言即为：FOR( WAREHOUSES( I):SUM( VENDORS( J): VOLUME( I, J)=CAPACITY( I);LINGOLINGO实战实战非线性规划非线性规划MODEL:TITLE WIDGETS;! A 6 Wa

62、rehouse 8 Vendor Transportation Problem;SETS:WAREHOUSES/WH1.WH6/: CAPACITY;VENDORS/V1.V8/: DEMAND;LINKS( WAREHOUSES, VENDORS): COST, VOLUME;ENDSETS! Here is the data;DATA:!attribute values;CAPACITY = 60 55 51 43 41 52;DEMAND = 35 37 22 32 41 32 43 38;COST = 6 2 6 7 4 2 5 9 4 9 5 3 8 5 8 25 2 1 9 7 4

63、 3 37 6 7 3 9 2 7 12 3 9 5 7 2 6 55 5 2 2 8 1 4 3;ENDDATA! The objective;MIN = SUM( LINKS( I, J): COST( I, J) * VOLUME( I, J);! The demand constraints;FOR( VENDORS( J): SUM( WAREHOUSES( I): VOLUME( I, J) = DEMAND( J);! The capacity constraints;FOR( WAREHOUSES( I): SUM( VENDORS( J): VOLUME( I, J) = C

64、APACITY( I);ENDLINGOLINGO实战实战filefile函数函数1file函数函数 该函数用从外部文件中输入数据，可以放在模型中任何地方。该函数的语法格式为file()。这里是文件名，可以采用相对路径和绝对路径两种表示方式。file函数对同一文件的两种表示方式的处理和对两个不同的文件处理是一样的，这一点必须注意。示例：以上例来讲解file函数的用法。注意到在上例编码中有两处涉及到数据。第一个地方是集部分的6个warehouses集成员和8个vendors集成员；第二个地方是数据部分的capacity，demand和cost数据。为了使数据和我们的模型完全分开，我们把它们移到外

65、部的文本文件中。修改模型代码以便于用file函数把数据从文本文件中拖到模型中来。LINGOLINGO实战实战filefile函数函数修改后（修改处代码黑体加粗）的模型代码如下：model:sets: warehouses/ file(1_2.txt) /: capacity; vendors/ file(1_2.txt) /: demand; links(warehouses,vendors): cost, volume;Endsets min=sum(links: cost*volume);for(vendors(J): sum(warehouses(I): volume(I,J)=dema

66、nd(J);for(warehouses(I): sum(vendors(J): volume(I,J)= required(J);endLINGOLINGO实战实战oleole函数函数3ole函数函数OLE是从EXCEL中引入或输出数据的接口函数，它是基于传输的OLE技术。OLE传输直接在内存中传输数据，并不借助于中间文件。当使用OLE时，LINGO先装载EXCEL，再通知EXCEL装载指定的电子数据表，最后从电子数据表中获得Ranges。为了使用OLE函数，必须有EXCEL5及其以上版本。OLE函数可在数据部分和初始部分引入数据。OLE可以同时读集成员和集属性，集成员最好用文本格式，集属性最好用数值格式。原始集每个集成员需要一个单元(cell)，而对于n元的派生集每个集成员需要n个单元，这里第一行的n个单元对应派生集的第一个集成员，第二行的n个单元对应派生集的第二个集成员，依此类推。OLE只能读一维或二维的Ranges（在单个的EXCEL工作表(sheet)中），但不能读间断的或三维的Ranges。Ranges是自左而右、自上而下来读。LINGOLINGO实战实战oleole函数函