Lingo求解最大流问题
最大流问题：
将石油从城市s经由4个中转站运向t，各城市连接及管道容量如下图，求解从s到t 的最大流。
Lingo求解程序：
Lingo程序运行结果：
求解得到全局最优解，最大流为14，其中各个路径上的明细流量详见下图中的FR值。
数学建模培训讲义 ——优化模型与LINGO软件 二○一一年七 目录 1 静态优化模型 (1) 1.1 最优生产计划问题 (1) 1.2 存贮模型 (2) 2 线性规划模型 (2) 2.1 LINGO简介 (2) 2.2 配料问题 (3) 2.3 练习：运输问题 (4) 3 整数规划模型 (4) 3.1 电影院广告问题 (4) 3.2 练习：生产计划问题 (5) 4 0-1规划 (5) 4.1 背包问题 (5) 4.2 矿井选址问题 (6) 4.3 练习：混合泳接力队的选拔问题 (7) 5 LINGO应用 (8) 5.1 变量定界函数 (8) 5.2 集合 (8) 5.3 帆船生产问题 (9)
5.4 派生集合 (11) 5.5 通过电子表格（Excel）文件传递数据 (12) 5.6 旅游问题 (13)
优化模型与LINGO 软件 优化问题是计划管理工作中经常要碰到的问题，比如，出门旅行就要考虑选择什么样的路线和交通工具，才能使旅行费用最省或使所花费的时间最少。在工厂技术、经济管理和科学研究等领域中，最优化问题就更多，一个工厂要怎样安排产品的生产，才能获得最大利润？一个设计部门要考虑在满足结构强度的要求下怎样使得所用的材料的总重量最轻？ 比较有效的求解优化问题的一个方法使数学规划，它包括：线性规划、非线性规划、整数规划、动态规划和多目标规划等等。 用数学建模的方法来处理一个优化问题的时候，首先要确定优化的目标是什么，寻求的决策是什么，决策受到哪些条件的限制（如果有限制的话），然后用数学工具（变量、函数等）表示它们。 1 静态优化模型 静态优化模型，归结为微积分中的函数极值问题，可以直接用微分法求解。 1.1 最优生产计划问题 一计算机公司引进A 、B 两种类型的芯片技术，总耗资400000元，准备生产这两种类型的芯片出售。生产一片A 芯片的成本为1950元，而市场售价为3390元，生产一片B 芯片的成本为2250元，而市场售价3990元。由于市场存在竞争，每售出一片A 芯片，A 芯片就会降价0.1元，并且令B 芯片降低0.04元，每售出一片B 芯片，B 芯片就会降价0.1元，并且令A 芯片降价0.03元。假设生产的芯片都能卖出，求一生产计划，以获得最大利润。 模型分析： 假设A 、B 两种芯片的数量分别是1x 和2x ，市场价格分别是1p 和2p ，用R 表示出售芯片的总收入，用C 表示生存芯片的总费用，用P 表示总利润。 根据题意，上述变量有如下关系： 11233900.10.03p x x =-- 21239900.040.1p x x =-- 1122R p x p x =+ 1240000019502250C x x =++ P R C =- 模型建立： 根据上述分析，可得优化模型
LINGO 是用来求解线性和非线性优化问题的简易工具。LINGO 内置了一种建立最优化模型的语言，可以简便地表达大规模问题，利用LINGO 高效的求解器可快速求解并分析结果。 §1 LINGO 快速入门 当你在windows 下开始运行LINGO 系统时，会得到类似下面的一个窗口： 外层是主框架窗口，包含了所有菜单命令和工具条，其它所有的窗口将被包含在主窗口之下。在主窗口内的标题为LINGO Model – LINGO1的窗口是LINGO 的默认模型窗口，建立的模型都都要在该窗口内编码实现。下面举两个例子。 例1.1 如何在LINGO 中求解如下的LP 问题： ,6002100 350. .32min 21211 212 1≥≤+≥≥++x x x x x x x t s x x 在模型窗口中输入如下代码： min =2*x1+3*x2; x1+x2>=350; x1>=100; 2*x1+x2<=600; 然后点击工具条上的按钮 即可。 例1.2 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
model: !6发点8收点运输问题; sets: warehouses/wh1..wh6/: capacity; vendors/v1..v8/: demand; links(warehouses,vendors): cost, volume; endsets !目标函数; min=@sum(links: cost*volume); !需求约束; @for(vendors(J): @sum(warehouses(I): volume(I,J))=demand(J)); !产量约束; @for(warehouses(I): @sum(vendors(J): volume(I,J))<=capacity(I)); !这里是数据; data: capacity=60 55 51 43 41 52; demand=35 37 22 32 41 32 43 38; cost=6 2 6 7 4 2 9 5 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; enddata end 然后点击工具条上的按钮即可。 为了能够使用LINGO的强大功能，接着第二节的学习吧。 §2 LINGO中的集 对实际问题建模的时候，总会遇到一群或多群相联系的对象，比如工厂、消费者群体、交通工具和雇工等等。LINGO允许把这些相联系的对象聚合成集（sets）。一旦把对象聚合成集，就可以利用集来最大限度的发挥LINGO建模语言的优势。 现在我们将深入介绍如何创建集，并用数据初始化集的属性。学完本节后，你对基于建模技术的集如何引入模型会有一个基本的理解。 2.1 为什么使用集 集是LINGO建模语言的基础，是程序设计最强有力的基本构件。借助于集，能够用一个
lingo 大规模规划求解 首先，让我们先看看一个非常简单的规划例子在LINGO软件中实现过程： 目标函数： 约束条件： 求解上面目标函数的最小值，我们在lingo中可编写如下代码：model: MIN=2*X1+X2-3*X3+5; X1+X2-3*X3<=10; X1-2*X2>=5 @GIN(X1);!整数约束； @GIN(X2); @GIN(X3); END 可以看出，LINGO语言和数学专业语言很接近，很容易表示约束条件和目标函数。可是对于规模很大的约束条件，难道我们也必须这样一条一条的输入吗，显然这样做是一件非常困难和繁琐的事，lingo语言又是如何表示约束条件规模巨大的规划问题呢，带着这样的疑问，让我们一步一步得看下面的内容： 一、集合域 在数学中集合的定义如下： 集合：具有某种相同属性的对象放在一起，就形成了一个集合， 集合中的每一个对象称作该集合的元素。 在大规模的优化问题中，集合是必然存在的，比如在平板车建模中，各种规格集装箱就可以看成一个集合，在货物配送问题中154个城市可以看成一个集合。在lingo语言中，将某些对象看成一个集合便可以很方便地对集合中的每一个元素进行统一处理。 集合域必须在模型的约束引用集合之前定义。
集合域用关键字“sets”开始，“endsets”结束。 集合分类： 基本集合定义统一语法格式： setname[/member-list/][:attribute-list]; 集合名/对象名1 对象名2 …对象名n/：对象属性； 集合定义的几种方法: sets row/1..20/：d1，d2,…dn; !集合名/对象名/：对象属性； end sets 派生集合定义方法： sets row/1..20/; col/1..100/; page/1..50/; link(row.col):k1,k2…kn; trd/(,t2,…tn; end sets K1可以表示某个省的某个城市的人口。 t1可以表示某个省的某个城市某个人的收入。 二、数据域： 数据域是优化问题中已知得对象的属性值，例如：人的身高，体重；车辆的载重，行驶速度。 数据域以关键字“data”开头，“enddata”结束。 数据域可以出现在模型中的任何地方。 data: d1=…; k1=…; t1=…; enddata 数据域的未知数值 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。 例3.8 sets:
lingo入门教程之一--- 初识lingo lingo对于一些线性或者非线性的规划，优化问题非常有效 首先介绍一下，在lingo中运行程序时出现的页面（在工具栏点击类似靶子一样的图标便可运行） Solver status:求解器(求解程序)状态框 Model Class:当前模型的类型:LP，QP，ILP，IQP，PILP，PIQP，NLP，INLP，PINLP（以I开头表示IP，以PI开头表示PIP） State:当前解的状态: "Global Optimum", "LocalOptimum", "Feasible", "Infeasible“(不可行), "Unbounded“(无界), "Interrupted“(中断), "Undetermined“(未确定) Object:解的目标函数值
Infeasibility:当前约束不满足的总量(不是不满足的约束的个数):实数（即使该值=0，当前解也可能不可行，因为这个量中没有考虑用上下界命令形式给出的约束） Iteration:目前为止的迭代次数 Extend solverstatus:扩展的求解器(求解程序)状态框 Solver type:使用的特殊求解程序: Bestobj :目前为止找到的可行解的最佳目标函数值 Objbound:目标函数值的界 Steps:特殊求解程序当前运行步数： Active:有效步数 Variables（变量数量）： 变量总数（Total）、 非线性变量数（Nonlinear）、 整数变量数（Integer）。
Constraints（约束数量）： 约束总数（Total）、 非线性约束个数(Nonlinear)。 Nonzeros（非零系数数量）： 总数（Total）、 非线性项系数个数(Nonlinear)。 GeneratorMemory Used (K) (内存使用量) ElapsedRuntime (hh:mm:ss)（求解花费的时间） 运行之后页面介绍（这里的运行界面并不是与上面的运行过程中出现界面一致，即并非来自于同一个程序运行出现）
AK是一家空调制造商，其面临的需求增长很快。预计2001年，其全国的需求在南部将为180,000单位，在中部为120,000单位，在东部为110,000单位，在西部为100,000单位。DryIce在设计物流网络时，有四个备选的地点：New York, Atlanta, Chicago和San Diego。在这四个地点建厂，工厂的生产能力将要么为200,000单位，要么为400,000单位。工厂的年固定运营成本及从工厂所在地生产出产品并运往四个销售区域的生产和运输的单位成本如表所示。请为该设施网络的设计建立模型，并请对模型作简要说明。 设定变量如下表所示：其中M11 M12等一系列值为0.1变量，即可得到如下式子： m12+9200000*m22+232*x12+212*x22+230*x32+280*x42+5600000*m13+9300000*m 23+238*x13+230*x23+215*x33+270*x43+6100000*m14+10200000*m24+299*x14+2 80*x24+270*x34+225*x44; m11*200000+m21*400000>=x11+x21+x31+x41; m12*200000+m22*400000>=x12+x22+x32+x42; m13*200000+m23*400000>=x13+x23+x33+x43; m14*200000+m24*400000>=x14+x24+x34+x44; x11+x12+x13+x14>=110000; x21+x22+x23+x24>=180000; x31+x32+x33+x34>=120000; x41+x42+x43+x44>=100000; @bin(m11);@bin(m21);@bin(m12);@bin(m22);@bin(m13);@bin(m23);@bin(m14) ;@bin(m24); 通过运行LINGO得到如下结果：
Lingo 与线性规划 线性规划的标准形式是 Min z c 1 x 1 c n x n a 11 x 1 a 1n x n b 1 s..t a m1 x 1 a mn x n (1) b m x i 0, i 1,2, , n 其中 z c 1 x 1 c n x n 称为目标函数， 自变量 x i 称为决策变量 ,不等式组 (1)称为约 束条件 . 满足不等式组 (1)的所有 ( x 1, , x n ) 的集合称为可行域，在可行域里面使得z 取最小值的 ( x 1* , , x n * ) 称为最优解，最优解对应的函数值称为最优值。 求解优化模型的主要软件有 Lingo 、Matlab 、Excel 等。其中 Lingo 是一款专 业求解优化模型的软件， 有其他软件不可替代的方便功能。 本文将简要介绍其在线性规划领域的应用。 一、基本规定 1、目标函数输入格式 max=函数解析式； 或者 min= 函数解析式； 2、约束条件输入格式 利用： >、<、>=、<=等符号。但是 >与 >=没有区别。 Lingo 软件默认所以自变量都大于等于 0. 3、运算 加 (+), 减(-), 乘(*), 除(/), 乘方 (x^a) ，要注意乘号 (*) 不能省略。 4、变量名 不区分大小写字母，不超过 32 个字符，必须以字母开头。 5、标点符号 每个语句以分号“；”结束，感叹号“！”开始的是说明语句（说明语句也需要以分号“ ; ”结束）。但是，model ，sets ，data 以“：”结尾。endsets ，enddata ， end 尾部不加任何符号。 6、命令不考虑先后次序 7、MODEL 语句 一般程序必须先输入 MODEL ：表示开始输入模型，以“ END ”结束。对简单的模型，这两个语句也可以省略。 8、改变变量的取值范围 @bin(变量名 ) ； @bnd(a, 变量名 ,b ) ； @free( 变量名 ) ； @gin(变量名 ) ； 例 1 求目标函数 z 2x 1 限制该变量为 0 或 1. 限制该变量介于 a,b 之间 . 允许该变量为负数 . 限制该变量为整数 . 3x 2 的最小值，约束条件为
实验二：目标规划 一、实验目的 目标规划是由线性规划发展演变而来的，线性规划考虑的是只有一个目标函数的问题，而实际问题中往往需要考虑多个目标函数，这些目标不仅有主次关系，而且有的还相互矛盾。这些问题用线性规划求解就比较困难，因而提出了目标规划。熟悉目标规划模型的建立，求解过程及结果分析。 二、目标规划的一般模型 设)...2,1(n j x j =是目标规划的决策变量，共有m 个约束是国刚性约束，可能是等式约束，也可能是不等式约束。设有l 个柔性目标约束，其目标规划约束的偏差是 ),...,2,1(,l i d d i i =-+。设有q 个优先级别，分别为q p p p ,...,21。在同一个优先级k p 中，有 不同的权重，分别记为),...,2,1(,l j w w kj kj =- + 。因此目标规划模型的一般数学表达式为： min ∑∑=+ +-- =+= l j j kj j kj q k k d w d w p z 1 1 );( s.t. ,,...2,1,),(1m i b x a n j i j ij =≥=≤∑= . ,...2,1,0,, ,...,2,1,, ,...2,1,1 l i d d n x o x l i g d d x c i i j i n j i i j ij =≥=≥==-++-=+-∑ 三、实验设备及分组 实验在计算机中心机房进行，使用微型电子计算机，每人一机（一组）。
四、实验容及步骤 1、打开LINGO ，并利用系统菜单和向导在E 盘创建一个项目。目录和项目名推荐使用学生自己的学号。 2、以此题为例，建立数学模型，并用说明语句进行说明，增强程序的可读性。 例2.1： 某工厂生产Ⅰ、Ⅱ两种产品，需要用到A ，B ，C 三种设备，已知有关数据见下表。企业的经营目标不仅仅是利润，还需要考虑多个方面： （1） 力求使利润不低于1500元； （2） 考虑到市场需求，Ⅰ、Ⅱ两种产品的产量比应尽量保持1：2； （3） 设备A 为贵重设备，严格禁止超时使用； （4） 设备C 可以适当加班，但要控制；设备B 即要求充分利用，又尽可能不加班。 在重要性上，设备C 是设备B 的3倍。 此题中只有设备A 是刚性约束，其余都是柔性约束。首先，最重要的指标是企业的利润，将它的优先级列为第一级；其次是Ⅰ、Ⅱ两种产品的产量保持1：2的比例，列为第二级；再次，设备B 、C 的工作时间要有所控制，列为第三级。在第三级中，设备B 的重要性是设备C 的3倍，因此它们的权重不一样，设备B 的系数是设备C 的3倍。 该计划问题可用数学模型表示为： 目标函数 min )33()(433322211+ +-+--+++++=d d d p d d p d p z 满足约束条件 2122x x + 12≤ 15003002001121=-+++-d d x x 022221=-+-+ - d d x x 14x 1633=-++ -d d
数学建模：运用Lindolingo软件求解线性规划 1、实验内容: 对下面是实际问题建立相应的数学模型，并用数学软件包Lindo/lingo对模型进行求解。 某厂生产甲乙两种口味的饮料,每百箱甲饮料需用原料6千克,工人10,可获利10万元;每百箱乙饮料需用原料5千克,工人20名,可获利9万元.名今工厂共有原料60千克,工人150名,又由于其他条件所限甲饮料产量不超过8百箱.问如何安排生产计划,即两种饮料各生产多少使获利最大.进一步讨论: 1)若投资0.8万元可增加原料1千克,问应否作这项投资. 2)若每百箱甲饮料获利可增加1万元,问应否改变生产计划. 数学建模论文 运用lindo/lingo软件求解线性规划 运用lindo/lingo软件求解线性规划 一、摘要 本文要解决的问题是如何安排生产计划,即两种饮料各生产多少使获利最大。 首先，对问题进行重述明确题目的中心思想，做出合理的假设，对符号做简要的说明。 然后，对问题进行分析，根据题目的要求，建立合适的数学模型。 最后，运用lindo/lingo软件求出题目的解。 【关键词】最优解 lindo/lingo软件 第二、问题的重述 某厂生产甲乙两种口味的饮料,每百箱甲饮料需用原料6千克,工人10名,可获利10万元;每百箱乙饮料需用原料5千克,工人20名,可获利9万元.今工厂共有原
料60千克,工人150名,又由于其他条件所限甲饮料产量不超过8百箱.问如何安排生产计划,即两种饮料各生产多少使获利最大.进一步讨论: 1)若投资0.8万元可增加原料1千克,问应否作这项投资。 2)若每百箱甲饮料获利可增加1万元,问应否改变生产计划。 第三、模型的基本假设 1、每一箱饮料消耗的人力、物力相同。 2、每个人的能力相等。 3、生产设备对生产没有影响。 第四、符号说明 1、x.....甲饮料 2、y.....乙饮料 3、z.....增加的原材料 第五、问题分析 根据题目要求:如何安排生产计划,即两种饮料各生产多少使获利最大，可知本题所求的是利润的最大值。我们可以先建立数学模型，然后用lindo/lingo软件包求解模型的最大值。 第六、模型的建立及求解根据题目建立如下3个模型: 模型1: max=0.1*x+0.09*y; 0.06*x+0.05*y<=60; 0.1*x+0.2*y<=150; x+y<=800; 结果:x=800;y=0;max=80 模型2:
问题一：LP 问题在lindo 和lingo 中不同的输入形式 （1）将目标函数的表示方式从“MAX ”变成了“MAX=” （2）“ST ”在LINGO 模型中不再需要，所以被删除了 （3）每个系数与变量间增加了运算符“*”（即乘号不能省略） （4）每行（目标、约束和说明语句）后面均增加了一个分号“;”(英文状态下) （5）模型结束标志“END ”也被删除了（LINGO 中只有当模型以“MODEL ：”开始时才能以“END ”结束）。 （6）英文状态下!后面的文字为说明文字，不参与模型的求解。 问题二：状态窗口的参数解释 variable adj 异变的，变量的 n 变量
问题三优化建模的实例： 1. 线性规划模型 2. 二次规划模型 3. 非线性规划模型 目标函数：()()∑∑--==+= 2161 22min j i bi yi ai xi cij f 约束条件:6,5,4,3,2,1,21 ∑===j i di cij ∑==<=6 1 2,1,i j ej cij 4. 整数规划模型（线性0-1规划模型是特殊的线性整数规划） 1) 目标函数：7654321min x x x x x x x z ++++++= 2) 约束条件: ???????????>=++++>=++++>=++++>=++++>=++++>=++++>=++++. 5076543,5065432,5054321,5074321,5076321,5076521,5076541x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x )7,,2,1(0 =>=i xi
实验二：目标规划 一、实验目的 目标规划是由线性规划发展演变而来的，线性规划考虑的是只有一个目标函数的问题，而实际问题中往往需要考虑多个目标函数，这些目标不仅有主次关系，而且有的还相互矛盾。这些问题用线性规划求解就比较困难，因而提出了目标规划。熟悉目标规划模型的建立，求解过程及结果分析。 二、目标规划的一般模型 设)...2,1(n j x j =是目标规划的决策变量，共有m 个约束是国刚性约束，可能是等式约束，也可能是不等式约束。设有l 个柔性目标约束，其目标规划约束的偏差是 ),...,2,1(,l i d d i i =-+。设有q 个优先级别，分别为q p p p ,...,21。在同一个优先级k p 中，有 不同的权重，分别记为),...,2,1(,l j w w kj kj =- +。因此目标规划模型的一般数学表达式为： min ∑∑=+ +--=+= l j j kj j kj q k k d w d w p z 1 1 );( s.t. ,,...2,1,),(1m i b x a n j i j ij =≥=≤∑= . ,...2,1,0,, ,...,2,1,, ,...2,1,1 l i d d n x o x l i g d d x c i i j i n j i i j ij =≥=≥==-++-=+-∑ 三、实验设备及分组 实验在计算机中心机房进行，使用微型电子计算机，每人一机（一组）。
四、实验容及步骤 1、打开LINGO ，并利用系统菜单和向导在E 盘创建一个项目。目录和项目名推荐使用学生自己的学号。 2、以此题为例，建立数学模型，并用说明语句进行说明，增强程序的可读性。 例2.1： 某工厂生产Ⅰ、Ⅱ两种产品，需要用到A ，B ，C 三种设备，已知有关数据见下表。企业的经营目标不仅仅是利润，还需要考虑多个方面： （1） 力求使利润不低于1500元； （2） 考虑到市场需求，Ⅰ、Ⅱ两种产品的产量比应尽量保持1：2； （3） 设备A 为贵重设备，严格禁止超时使用； （4） 设备C 可以适当加班，但要控制；设备B 即要求充分利用，又尽可能不加班。在重要性上，设备C 是设备B 的3倍。 此题中只有设备A 是刚性约束，其余都是柔性约束。首先，最重要的指标是企业的利润，将它的优先级列为第一级；其次是Ⅰ、Ⅱ两种产品的产量保持1：2的比例，列为第二级；再次，设备B 、C 的工作时间要有所控制，列为第三级。在第三级中，设备B 的重要性是设备C 的3倍，因此它们的权重不一样，设备B 的系数是设备C 的3倍。 该计划问题可用数学模型表示为： 目标函数 min )33()(433322211+ +-+--+++++=d d d p d d p d p z 满足约束条件 2122x x + 12≤ 15003002001121=-+++-d d x x 022221=-+-+ -d d x x 14x 1633=-++ -d d 155442=-++ -d d x 3,2,1,0,,,21=≥+ -i d d x x i i
Lingo 与线性规划 线性规划的标准形式是 1111111..0,1,2,,n n m mn n m i a x a x b s t a x a x b x i n +≤??? ? +≤??≥=?L M L L (1) 其中11n n z c x c x =++L 称为目标函数，自变量i x 称为决策变量,不等式组(1)称为约束条件. 满足不等式组(1)的所有1(,,)n x x L 的集合称为可行域，在可行域里面使得z 取最小值的** 1(,,)n x x L 称为最优解，最优解对应的函数值称为最优值。 求解优化模型的主要软件有Lingo 、Matlab 、Excel 等。其中Lingo 是一款专业求解优化模型的软件，有其他软件不可替代的方便功能。本文将简要介绍其在线性规划领域的应用。 一、基本规定 1、目标函数输入格式 max=函数解析式； 或者 min=函数解析式； 2、约束条件输入格式 利用：>、<、>=、<=等符号。但是>与>=没有区别。Lingo 软件默认所以自变量都大于等于0. 3、运算 加(+),减(-),乘(*),除(/),乘方(x^a)，要注意乘号(*)不能省略。 4、变量名 不区分大小写字母，不超过32个字符，必须以字母开头。 5、标点符号 每个语句以分号“；”结束，感叹号“！”开始的是说明语句（说明语句也需要以分号“;”结束）。但是，model ，sets ，data 以“：”结尾。endsets ，enddata ，end 尾部不加任何符号。
6、命令不考虑先后次序 7、MODEL 语句 一般程序必须先输入MODEL ：表示开始输入模型，以“END”结束。对简单的模型，这两个语句也可以省略。 8、改变变量的取值范围 @bin(变量名)； 限制该变量为0或1. @bnd(a,变量名,b )； 限制该变量介于a,b 之间. @free(变量名)； 允许该变量为负数. @gin(变量名)； 限制该变量为整数. 例1 求目标函数1223z x x =+的最小值，约束条件为 输入Lingo 程序： min = 2*x1 + 3*x2; x1 + x2 >= 350; x1 >= 100; 2*x1 + x2 <= 600; 有两种运行方式： 1、点击工具条上的按钮 即可。 2、点击菜单：LINGO →Solve 运行结果如下： 下面对其各个部分进行说明： Global optimal solution found ：表示已找到全局最优解。 Objective value ：表示最优值的大小。可见本题函数最小值min z =800。 Infeasibilities ：矛盾约束的数目。 Total solver iterations:迭代次数。 Variable ：变量。本题有两个变量。
LINGO 在多目标规划和最大最小化模型中的应用 在许多实际问题中，决策者所期望的目标往往不止一个，如电力网络管理部门在制定发电计划时即希望安全系数要大，也希望发电成本要小，这一类问题称为多目标最优化问题或多目标规划问题。 一、多目标规划的常用解法 多目标规划的解法通常是根据问题的实际背景和特征，设法将多目标规划转化为单目标规划，从而获得满意解，常用的解法有： 1．主要目标法 确定一个主要目标，把次要目标作为约束条件并设定适当的界限值。 2．线性加权求和法 对每个目标按其重要程度赋适当权重0≥i ω，且1=∑i i ω，然后把) (x f i i i ∑ω作为新的目标函数（其中p i x f i ,,2,1),( =是原来的p 个目标）。 3．指数加权乘积法 设p i x f i ,,2,1),( =是原来的p 个目标，令 ∏==p i a i i x f Z 1)]([ 其中i a 为指数权重，把Z 作为新的目标函数。 4．理想点法 先分别求出p 个单目标规划的最优解*i f ，令 ∑-=2*))(()(i i f x f x h 然后把它作为新的目标函数。 5．分层序列法 将所有p 个目标按其重要程度排序，先求出第一个最重要的目标的最优解，然后在保证前一个目标最优解的前提条件下依次求下一个目标的最优解，一直求到最后一个目标为止。 这些方法各有其优点和适用的场合，但并非总是有效，有些方法存在一些不
足之处。例如，线性加权求和法确定权重系数时有一定主观性，权重系数取值不同，结果也就不一样。线性加权求和法、指数加权乘积法和理想点法通常只能用于两个目标的单位（量纲）相同的情况，如果两个目标是不同的物理量，它们的量纲不相同，数量级相差很大，则将它们相加或比较是不合适的。 二、最大最小化模型 在一些实际问题中，决策者所期望的目标是使若干目标函数中最大的一个达到最小（或多个目标函数中最小的一个达到最大）。例如，城市规划中需确定急救中心的位置，希望该中心到服务区域内所有居民点的距离中的最大值达到最小，称为最大最小化模型，这种确定目标函数的准则称为最大最小化原则，在控制论，逼近论和决策论中也有使用。 最大最小化模型的目标函数可写成 )}(,),(),(max{min 21X f X f X f p X 或 )}(,),(),(min{max 21X f X f X f p X 式中T n x x x X ),,,(21 是决策变量。模型的约束条件可以包含线性、非线性的等式和不等式约束。这一模型的求解可视具体情况采用适当的方法。 三、用LINGO 求解多目标规划和最大最小化模型 1．解多目标规划 用LINGO 求解多目标规划的基本方法是先确定一个目标函数，求出它的最优解，然后把此最优值作为约束条件，求其他目标函数的最优解。如果将所有目标函数都改成约束条件，则此时的优化问题退化为一个含等式和不等式的方程组。LINGO 能够求解像这样没有目标函数只有约束条件的混合组的可行解。有些组合优化问题和网络优化问题，因为变量多，需要很长运算时间才能算出结果，如果设定一个期望的目标值，把目标函数改成约束条件，则几分钟就能得到一个可行解，多试几个目标值，很快就能找到最优解。对于多目标规划，同样可以把多个目标中的一部分乃至全部改成约束条件，取适当的限制值，然后用LINGO 求解，从中找出理想的最优解，这样处理的最大优势是求解速度快，节省时间。 2．解最大最小化问题
lingo软件使用教程 一般来说，一个优化模型将由以下三部分组成： 1. 目标函数（Objective Function）：要达到的目标。 2. 决策变量（Decision variables）：每组决策变量的值代表一种方案。在优化模型中需要确定决策变量的最优值，优化的目标就是找到决策变量的最优值使得目标函数取得最优。 3. 约束条件（Constraints）：对于决策变量的一些约束，它限定决策变量可以取的值。 在写数学模型时，一般第一行是目标函数，接下来是约束条件，再接着是一些非负限制等。在模型窗口输入如下代码: Max = 2*x1+3*x2; X1+2*x2<=8; 4*x1<16; 4*x2<12; 注意：1.每一个lingo表达式最后要跟一个分号; 2.多数电脑中没有符号，lingo中<=代替；为了方便可以用<代替小于等于，用>代替大于等于。 3.我们可以添加一些注释，增加程序的可读性。注释以一个！（叹号必须在英文状态下输入，它会自动变为绿色）开始，以；（分号）结束。 4．Lingo中不区分变量名的大小写。变量名必须以字母（A-Z）开头，后面的字符可以是字母、数字、下划线。变量名不能超过32个字符。 Lingo程序的一些规则： 1. 在Lingo中最开始都是“MAX=”或者“MIN=”开始表示求目标函数的最大或者最小值。 2. 变量和它前面的系数之间要用“*”连接，中间可以有空格。 3. 变量名不区分大小写，但必须以字母开始，不超过32个字符。 4. 数学表达式结束时要用分号“；”表示结束。表达式可以写在多行上，但是表达式中间不能用分号。 5. 在电脑系统中一般没有“小于等于”符号，在Lingo采用“<=”来表示“小于等于”，用“>=”表示“大于等于”。小于等于也可以用更简单的“<”表示，大于等于用“>”表示。 集合段： 在我们已经得到的程序里有一些量没有定义，如WAREHOUSES( I)，DEMAND( J)， LINKS( I, J)。这些量将在Lingo中的集合段定义。 集合段以SETS:表示开始，以ENDSETS表示结束。 如果一个集合的元素都已经定义过，就可以用一些循环函数（如@for）. 注：1. 集合的属性相当于以集合的元素为下标的数组。Lingo中没有数组的概念，只有定义在集合上的属性的概念。 2 集合的定义语法： set_name[/set_member/:][attribute_list]; 集合的名称在左边，右边是这个集合上的属性，他们之间用冒号“：”分割开，最后由分号表示结束。如果在同一个集合上有多个属性时，不同的属性之间用逗号“，”隔开，如本例的cost和volume属性。如果要特别列出集合的元素时，在集合的名称后把元素写在两条斜线之间，如本例中的仓库可以写为 WAREHOUSES/WH1, WH2, WH3, WH4, WH5, WH6/: CAPACITY;
Lingo12软件培训教案 Lingo 主要用于求解线性规划，整数规划，非线性规划，V10以上版本可编程。 例1 一个简单的线性规划问题 0 , 600 2 100 350 st. 3 2max >=<=+=<<=++=y x y x x y x y x z ! 源程序 max = 2*x+3*y; [st_1] x+y<350; [st_2] x<100; 2*x+y<600; !决策变量黙认为非负; <相当于<=; 大小写不区分 当规划问题的规模很大时，需要定义数组(或称为矩阵)，以及下标集(set) 下面定义下标集和对应数组的三种方法，效果相同:：r1 = r2 = r3, a = b = c. sets : r1/1..3/:a; r2 : b; r3 : c; link2(r1,r2): x; link3(r1,r2,r3): y; endsets data : ALPHA = ; a=11 12 13 ; r2 = 1..3; b = 11 12 13; c = 11 12 13; enddata
例2 运输问题 解： 设决策变量ij x = 第i 个发点到第j 个售点的运货量，i =1,2,…m; j =1,2,…n; 记为ij c =第i 个发点到第j 个售点的运输单价，i =1,2,…m; j =1,2,…n 记i s =第i 个发点的产量， i =1,2,…m; 记j d =第j 个售点的需求量， j =1,2,…n. 其中，m = 6; n = 8. 设目标函数为总成本，约束条件为（1）产量约束；（2）需求约束。 于是形成如下规划问题： n j m i x n j d x m i s x x c ij j n i ij i m j ij m i n j ij ij ,...,2,1,,...,2,1,0 ,...,2,1, ,...,2,1, st. z min 11 11==>=<==<==∑∑∑∑==== 把上述程序翻译成LINGO 语言，编制程序如下： ! 源程序
LINGO 使用教程 LINGO 是用来求解线性和非线性优化问题的简易工具。LINGO 内置了一种建立最优化模型的语言，可以简便地表达大规模问题，利用LINGO 高效的求解器可快速求解并分析结果。 §1 LINGO 快速入门 当你在windows 下开始运行LINGO 系统时，会得到类似下面的一个窗口： 外层是主框架窗口，包含了所有菜单命令和工具条，其它所有的窗口将被包含在主窗口之下。在主窗口内的标题为LINGO Model – LINGO1的窗口是LINGO 的默认模型窗口，建立的模型都都要在该窗口内编码实现。下面举两个例子。 例1.1 如何在LINGO 中求解如下的LP 问题： ,6002100 350. .32min 21211 2121≥≤+≥≥++x x x x x x x t s x x 在模型窗口中输入如下代码： min =2*x1+3*x2; x1+x2>=350; x1>=100; 2*x1+x2<=600; 然后点击工具条上的按钮 即可。 例1.2 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
model : !6发点8收点运输问题; sets : warehouses/wh1..wh6/: capacity; vendors/v1..v8/: demand; links(warehouses,vendors): cost, volume; endsets !目标函数; min =@sum (links: cost*volume); !需求约束; @for (vendors(J): @sum (warehouses(I): volume(I,J))=demand(J)); !产量约束; @for (warehouses(I): @sum (vendors(J): volume(I,J))<=capacity(I)); !这里是数据; data : capacity=60 55 51 43 41 52; demand=35 37 22 32 41 32 43 38; cost=6 2 6 7 4 2 9 5 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; enddata end 然后点击工具条上的按钮 即可。 Global optimal solution found. Objective value: 664.0000 Total solver iterations: 20
生产规划问题及LINGO求解 摘要：本文根据生产规划问题的特点，建立了满足生产规划的线性规划模型，并且利用lingo软件进行求解，提出了一种可以合理解决此类问题的数学方法，效果比较令人满意。 关键词：线性规划模型 lingo软件 中图分类号：tb114 文献标识码：a 文章编号： 1007-9416(2012)01-0073-01 1、问题的提出 某工厂是生产某种电子仪器的专业厂家，该厂是以销量来确定产量的1～6月份各个月生产能力、合同销量和单台仪器平均生产费用如表1所示。 又知上年末积压库存103台该仪器没售出.如果生产出的仪器当月不交货，则需要运到分厂库房，每台仪器需增加运输成本0.1万元，每台仪器每月的平均仓储费、维护留出库存80台.加班生产仪器每台增加成本1万元。试问应该如何安排1～6月份的生产，使总的生产成本（包括运输、仓储和维护）费用最少？ 2、模型分析与假设 本模型的目标是使总的生产成本最小，其中总的生产成本包括正常生产仪器的费用、加班生产仪器的费用、当月不交货的运输费用及库存的仓储费、维护费.为此，我们作如下假设： (1)设第个月正常生产台。(2)设第个月加班生产台。(3)设第个
月不交货台。(4)设第个月售出上月库存台。(5)设第个月库存台。 (6)记第个月销量。(7)设第个月单台生产的费用。(8)记第个月正常生产能力。(9)记第个月加班生产能力。 3、模型的建立与求解 根据以上假设可知，第个月正常生产的成本为，第个月加班生产的成本为，第个月对不交货仪器的运输费为，第个月库存的仓储费及维护费为。 模型的目标函数为. 下面考虑本模型的限定条件 第个月销量的约束为 第个月正常生产能力的约束为: 第个月加班生产能力的约束为: 1～6月库存的约束为 于是问题的数学模型为 运行lingo软件求解模型，程序如下： model: sets: num_i/1..6/:b,c,d,e,x,y,z,w,h; endsets data: b=104,75,115,160,103,70;c=15,14,13.5,13,13,13.5;
加工奶制品的生产计划 问题 品加工厂用牛奶生产1A ，2A 两种奶制品，1桶牛奶可以在设备甲用12小时加工成3公斤1A ，或者在设备乙上用8小时加工成4公斤2A 。根据市场需求，生产的1A ，2A 全部能售出，且每公斤1A 获利24元，每公斤2A 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魏480小时，并且设备甲每天至多能加工100公斤1A ，设备乙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，并进一步讨论以下三个附加问题： 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1A 的获利增加到30元，应否改变生产计划？ 问题分析 这个优化问题的目标是使每天的获利最大，要作的决策是生产计划，即每天用多少桶牛奶生产1A ，用多少桶牛奶生产2A ，决策受到3个条件的限制：原料（牛奶）供应、劳动时间、设备甲的工作能力。按照题目所给，将决策变量、目标函数和约束条件用数学符号及式子表示出来，就得到下面的模型。 基本模型 决策变量：设每天用1x 桶牛奶生产1A ，用2x 桶牛奶生产2A 。 目标函数：设每天获利Z 元。1x 桶牛奶可生产31x 公斤1A ，获利1324x ?，2x 桶牛奶可生产42x 公斤2A ，获利2416x ?，故Z=216472x x +. 约束条件 原料供应：生产1A ，2A 的原料（牛奶）总量不得超过每天的供应，即1x +2x ≤50桶； 劳动时间：生产1A ，2A 的总加工时间不得超过每天正式工人总的劳动时间，即121x +82x ≤480小时； 设备能力：1A 的产量不得超过设备甲每天的加工能力，即31x ≤100； 非负：1x ，2x 均不能为负值，即1x ≥0，2x ≥0。 综上可得 Max Z=216472x x + (1) s.t. 1x +2x ≤50 (2)