第十八章LINGO软件的使用
18.1 LINGO入门
18.1.1 LINGO软件的安装过程
点击LINGO9.0 for Windows安装文件，出现
点击“Next”按钮，出现
此时需要接受安装协议。系统安装时默认的目录是C:\LINGO9。安装完成前，会出现下图所示的对话框：
这个对话框询问你希望采用的默认的建模（即编程）语言，系统推荐的是采用LINGO语法，也就是选项“LINGO（recommended）”；你也可以选择“LINDO”将LINDO语法作为默认的设置。当然，安装后你也可以通过“LINGO｜Options｜File Format命令来修改默认的建模（即编程）语言。在上图中按下“OK”按钮，系统就会完成LINGO的安装过程。
18.1.2 LINGO基础知识
LINGO有两种命令格式：一种是常用的Windows模式，通过下拉式菜单命令驱动LINGO 运行，界面是图形式的，使用起来也比较方便；另一种是命令行（Command-Line）模式，仅在命令窗口（Command Window）下操作，通过输入行命令驱动LINGO运行。由于其使用字符方式输入，初学者往往不太容易掌握。在这里，我们主要介绍在菜单驱动模式下LINGO的使用方法。
LINGO 9.0软件比以前的版本有了很大的改进，功能大大增强，性能更加稳定，计算的结果更加可靠。LINGO软件不仅可用于求解非线性规划问题，还可以用以求解非线性整数规划问题；LINGO包含了内置的建模语言，模型中所需的数据可以以一定格式保存在独立的文件中；LINGO允许以简练、直观的方式描述较大规模的优化问题。
注：LIGDO公司目前已将LINDO软件从其产品中删除了。事实上，LINDO软件的所有功能（包括LINDO语法格式）都在LINGO中得到了支持。
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。状态行最左边显示的是“Ready”表示“准备就绪”；右下角显示的是当前时间，时间前面是当前光标的位置“Ln1,Col1”（即1行1列）。将来，用户可以用选项命令（LINGO｜Options菜单命令）决定是否需要显示工具栏和状态行。在LINGO 模型窗口中，选择菜单命令“File｜Open(F3)”，可以看到下图所示的标准的“打开文件”对话框，我们看到有各种不同的“文件类型”：
● 后缀“lg4”表示LINGO 格式的模型文件，是一种特殊的二进制格式文件，保存了我们
在模型窗口中所能够看到的所有文本和其他对象及其格式信息，只有LINGO 能读出它，用其他系统打开这种文件时会出现乱码； ● 后缀“lng ”表示文本格式的模型文件，并且以这个格式保存模型时LINGO 将给出警告，
因为模型中的格式信息（如字体、颜色、嵌入对象等）将会丢失； ● 后缀“ldt ”表示LINGO 数据文件； ● 后缀“ltf ”表示LINGO 命令脚本文件； ● 后缀“lgr ”表示LINGO 报告文件；
● 后缀“ltx ”表示LINGO 格式的模型文件；
● 后缀“mps ”表示MPS(数学规划系统)格式的模型文件； ● “*.*”表示所有文件
除“lg4”文件外，这里的另外几种格式的文件其实都是普通的文本文件，可以用任何文本编辑器打开和编辑。
18.1.3二个简单的LINGO 程序
下面举两个例子说明如何在LINGO 中如何进行规划问题求解。 例1.1求解如下的LP （线性规划）问题：
12min 23x x +
..s t
12350x x +≥ 1100x ≥ 122600x x +≤
12,0x 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;
如下图所示：
注：（1）LINGO中不区分大小写字母，变量（和行名）可以使用不超过32个字符表示，且必须以字母开头。
（2）LINGO中模型以“MODEL:”开始，以“END”结束。对简单的模型，这两个语句也可以省略。
（3）LINGO中的语句的顺序是不重要的，因为LINGO总是根据“MAX=”或“MIN=”语句寻找目标函数，而其它语句都是约束条件（当然注释语句和TITLE除外）。
（4）LINGO模型是由一系列语句组成，每个语句以分号“;”结束。
（5）LINGO中以感叹号“!”开始的是说明语句（说明语句也需要以分号“;”结束）。
（6）LINGO中解优化模型时假定所有变量非负（除非用限定变量取值范围的函数@free或@sub或slb另行说明）。
然后点击工具条上的按钮得到：
下面对上图的各个部分进行说明。
Solution Report（LINGO的结果报告窗口）
Global optimal solution found 表示全局最优解找到.
Objective value: 800.0000 表示最优目标值为800.0000.
Total solver iterations: 2 表示用单纯行法进行了两次迭代.
Variable 表示变量, 此问题中有两个变量X1, X2.
Value 给出最优解中各变量(Variable)的值: X1=250.0000, X2=100.0000.
Reduced Cost 给出最优的单纯形表中目标函数行中变量对应的系数. 其中基变量的Reduced Cost值一定为0;对于非基变量(非基变量本身的取值一定为0)和max问题,相应的Reduced Cost值表示当该非基变量增加一个单位(其它非基变量保持不变)时目标函数的减少的量.在这个例子中最优解中两个变量都是基向量, 因此对应的Reduced
Cost的值都为0.
Slack or Surplus (松弛或剩余)给出约束对应的松弛变量的值:第2和第4行松弛变量均为0,说明对于最优解来讲,两个约束(第2和4行)均取等号,即都是紧约束.
Dual Price 给出对偶价格(也称影子价格)的值.
例1.2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？
用DESKS、TABLES和CHAIRS分别表示三种产品的生产量，建立LP模型。
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;
求解这个模型，查看报告窗口（Reports Window）,如下图:
可以看到如下结果。
Global optimal solution found at iteration: 3
Objective value: 280.0000
Variable Value Reduced Cost
DESKS 2.000000 0.000000
TABLES 0.000000 5.000000
CHAIRS 8.000000 0.000000
Row Slack or Surplus Dual 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: 3”表示3次迭代后得到全局最优解。“Objective value:280.0000”表示最优目标值为280。“Value”给出最优解中各变量的值：造2个书桌（desks）, 0个餐桌（tables）, 8个椅子（chairs）。所以desks、chairs是基变量（非0），tables是非基变量（0）。
“Slack or Surplus”给出松驰变量的值：
第1行松驰变量 =280（模型第一行表示目标函数，所以第二行对应第一个约束）
第2行松驰变量 =24
第3行松驰变量 =0
第4行松驰变量 =0
第5行松驰变量 =5
“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reduced cost值应为0，对于非基变量 X j, 相应的 reduced cost值表示当某个变量X j 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（max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, 也可对产生不可行问题的原因有所了解。
18.2 集的使用
LINGO允许把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语言的优势。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，能够用一个单一的、长的、简明的复合公式表示一系列相似的约束，从而可以快速方便地表达规模较大的模型。
一个集可能是一系列食品、汽车等。每个集成员可能有一个或多个与之有关联的特征，我们把这些特征称为属性。属性值可以预先给定，也可以是未知的，有待于LINGO求解。例如，食品集中的每个产品可以有一个价格属性；汽车集中的每辆车可以有一个货车或客车属性, 也可以有一个动力属性。总之, 集是一群相联系的对象，这些对象也称为集的成员。
集部分是LINGO模型的一个可选部分。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已经被定义。
LINGO有两种类型的集：原始集(primitive set)和派生集(derived set)。
一个原始集是由一些最基本的对象组成的。
一个派生集是用一个或多个其它集来定义的，也就是说，它的成员来自于其它已存在的集。
18.2.1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：
集的名称[/集的成员列表/][:成员属性列表];
集名字必须严格符合标准命名规则：以拉丁字母或下划线（_）为首字符，其后由拉丁字母（A—Z）、下划线、阿拉伯数字（0，1，…，9）组成的总长度不超过32个字符的字符串，且不区分大小写。该命名规则同样适用于集成员名和属性名等的命名。
如果集成员放在集定义中，那么对它们可采取显式罗列和隐式罗列两种方式。如果集成员不放在集定义中，那么可以在随后的数据部分定义它们。
(1) 当显式罗列成员时，必须为每个成员输入一个不同的名字，中间用空格或逗号搁开，允许混合使用。
例2.1可以定义一个名为teachers的原始集，它具有成员Suzan、Roll、Rose和Mike，属性有sex和age：
sets:
teachers/Suzan Roll, Rose Mike/: sex, age;
endsets
(2) 当隐式罗列成员时，不必罗列出每个集成员。可采用如下语法：
集的名称/成员1..成员N/[: 属性列表];
这里的’成员1’是集的第一个成员名，’成员N’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：
!集部分;
sets:
teachers:sex,age;
endsets
!数据部分;
data:
students,sex,age= Suzan 0 20
Roll 1 10
Rose 0 30
Mike 1 26;
enddata
注意：开头用感叹号（!），末尾用分号（;）表示注释，可跨多行。
在集部分只定义了一个集teachers，并未指定成员。在数据部分罗列了集成员Suzan、Roll、Rose和Mike，并对属性sex和age分别给出了值。
集成员无论用何种字符标记,它的索引都是从1开始连续计数。在attribute_ list可以指定一个或多个集成员的属性，属性之间必须用逗号隔开。
18.2.2派生集
为了定义一个派生集，必须详细声明：
·集的名字
·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：
集的名称(父集列表)[/ 集成员列表/][:集成员属性列表];
父集列表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。例如:
sets:
product/A B/;
machine/M N/;
week/1..2/;
allowed(product,machine,week):x;
endsets
LINGO生成了三个父集的所有组合共八组作为allowed集的成员。列表如下：
编号成员
1 (A,M,1)
2 (A,M,2)
3 (A,N,1)
4 (A,N,2)
5 (B,M,1)
6 (B,M,2)
7 (B,N,1)
8 (B,N,2)
成员列表被忽略时，派生集成员由父集成员所有的组合构成，这样的派生集成为稠密集。如果限制派生集的成员，使它成为父集成员所有组合构成的集合的一个子集，这样的派生集成为稀疏集。同原始集一样，派生集成员的声明也可以放在数据部分。一个派生集的成员列表有两种方式生成：①显式罗列；②设置成员资格过滤器。当采用方式①时，必须显式罗列出所有要包含在派生集中的成员，并且罗列的每个成员必须属于稠密集。使用前面的例子，显式罗列派生集的成员：
allowed(product,machine,week)/A M 1,A N 2,B N 1/;
如果需要生成一个大的、稀疏的集，那么显式罗列就很讨厌。幸运地是许多稀疏集的成员都满足一些条件以和非成员相区分。我们可以把这些逻辑条件看作过滤器，在LINGO生成派生集的成员时把使逻辑条件为假的成员从稠密集中过滤掉。例如:
sets:
!学生集：性别属性sex，1表示男性，0表示女性；年龄属性age. ;
students/John,Jill,Rose,Mike/:sex,age;
!男学生和女学生的联系集：友好程度属性friend，[0，1]之间的数。 ;
linkmf(students,students)|sex(&1) #eq# 1 #and# sex(&2) #eq# 0: friend;
!男学生和女学生的友好程度大于0.5的集;
linkmf2(linkmf) | friend(&1,&2) #ge# 0.5 : x;
endsets
data:
sex,age = 1 16
0 14
0 17
0 13;
friend = 0.3 0.5 0.6;
enddata
用竖线（|）来标记一个成员资格过滤器的开始。#eq#是逻辑运算符，用来判断是否“相等”，&1可看作派生集的第1个原始父集的索引，它取遍该原始父集的所有成员；&2可看作派生集的第2 个原始父集的索引，它取遍该原始父集的所有成员；&3，&4，……，以此类推。注意如果派生集B的父集是另外的派生集A，那么上面所说的原始父集是集A向前回溯到最终的原始集，其顺序保持不变，并且派生集A的过滤器对派生集B仍然有效。因此，派生集的索引个数是最终原始父集的个数，索引的取值是从原始父集到当前派生集所作限制的总和。
18.2.3模型的数据部分
在处理模型的数据时，需要为集指派一些成员并且在LINGO求解模型之前为集的某些属性指定值。为此，LINGO为用户提供了两个可选部分：输入集成员和数据的数据部分（Data Section）和为决策变量设置初始值的初始部分（Init Section）。
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。其语法如下：
object_list = value_list;
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，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（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。例如:
sets:
set1/A,B,C/: X,Y;
endsets
data:
X=1,2,3;
Y=4,5,6;
enddata
在集set1中定义了两个属性X和Y。X的三个值是1、2和3，Y的三个值是4、5和6。也可采用如下例子中的复合数据声明（data statement）实现同样的功能。
sets:
set1/A,B,C/: X,Y;
endsets
data:
X,Y=1 4
2 5
3 6;
enddata
看到这个例子，可能会认为X被指定了1、4和2三个值，因为它们是数值列中前三个，而正确的答案是1、2和3。假设对象列有n个对象，LINGO在为对象指定值时，首先在n 个对象的第1个索引处依次分配数值列中的前n个对象，然后在n个对象的第2个索引处依次分配数值列中紧接着的n个对象，……，以此类推。
模型的所有数据——属性值和集成员——被单独放在数据部分，这是比较规范的数据输入方式。
在数据部分也可以指定一些标量变量（scalar variables）。当一个标量变量在数据部分确定时，称之为参数。比如，假设模型中用利率3.4%作为一个参数，就可以象下面一样输入一个利率作为参数:
data:
interest_rate = .034;
enddata
当然,也可以同时指定多个参数。
data:
interest_rate,inflation_rate = .034 .02;
enddata
在某些情况，对于模型中的某些数据并不是定值,我们实时对数据进行处理,LINGO有一个特征可方便地做到这件事,也就是, 在本该放数的地方输入一个问号（?）。例如: data:
interest_rate,inflation_rate = .034 ?;
enddata
每一次求解模型时，LINGO都会提示为参数inflation_rate输入一个值。
18.2.4模型的初始部分
初始部分是LINGO提供的另一个可选部分。在初始部分中，可以输入初始声明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。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“endinit”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。例如:
init:
X, Y = 0, .1;
endinit
Y=@log(X);
X^2+Y^2<=1;
好的初始点会减少模型的求解时间。
18.3 运算符及函数
18.3.1 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“﹣”。
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。
18.3.2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９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
#ge# 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#
18.3.3关系运算符
在LINGO中，关系运算符主要是被用在模型中，来指定一个表达式的左边是否等于、小于等于、或者大于等于右边，形成模型的一个约束条件。关系运算符与逻辑运算符#eq#、#le#、#ge#截然不同，前者是模型中该关系运算符所指定关系的为真描述，而后者仅仅判断一个该关系是否被满足：满足为真，不满足为假。
LINGO有三种关系运算符：“=”、“<=”和“>=”。LINGO中还能用“<”表示小于等于关系，“>”表示大于等于关系。
下面给出以上三类操作符的优先级：
高#not# ﹣（取反）
＾
﹡／
﹢﹣
#eq# #ne# #gt# #ge# #lt# #le#
#and# #or#
低 <= = >=
18.3.4 @ole函数
下面介绍一种特别有用的函数: @ole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。请看下例:
sets:
PRODUCT; !产品;
MACHINE; !机器;
WEEK; !周;
ALLOWED(PRODUCT,MACHINE,WEEK):x,y; !允许组合及属性;
endsets
data:
rate=0.01;
PRODUCT,MACHINE,WEEK,ALLOWED,x,y=@OLE('D:\IMPORT.XLS');
@OLE('D:\IMPORT.XLS')=rate;
enddata
代替在代码文本的数据部分显式输入形式，我们把相关数据全部放在如下电子数据表中来输入。下面是D:\IMPORT.XLS的图表。
除了输入数据之外，我们也必须定义Ranges名：PRODUCT，MACHINE，WEEK，ALLOWED，
x，y. 明确的，我们需要定义如下的Ranges名：
Name Range
PRODUCT B3:B4
MACHINE C3:C4
WEEK D3:D5
ALLOWED B8:D10
X F8:F10
Y G8:G10
rate C13
为了在EXCEL中定义Ranges名：
①按鼠标左键拖曳选择Range，
②释放鼠标按钮，
③选择“插入|名称|定义”，
④输入希望的名字，
⑤点击“确定”按钮。
我们在模型的数据部分用如下代码从EXECL中引入数据：
PRODUCT,MACHINE,WEEK,ALLOWED,x,y=@OLE('D:\IMPORT.XLS');
@OLE('D:\IMPORT.XLS')=rate;
等价的描述为
PRODUCT,MACHINE,WEEK,ALLOWED,x,y
=@OLE('D:\IMPORT.XLS', PRODUCT,MACHINE,WEEK,ALLOWED,x,y);
@OLE('D:\IMPORT.XLS',rate)=rate;
这一等价描述使得变量名和Ranges不同亦可.
18.3.5 一个实例
作为结束，给出一个实际例子：
最短路问题在纵横交错的公路网中，货车司机希望找到一条从一个城市到另一个城市的最短路. 假设下图表示的是该公路网, 节点表示货车可以停靠的城市,弧上的权表示两个城市之间的距离（百公里）. 那么,货车从城市S出发到达城市T,如何选择行驶路线,使所经过的路程最短?
假设从S 到T 的最优行驶路线P 经过城市1C , 则P 中从S 到1C 的子路也一定是从S 到1C 的最优行驶路线; 假设 P 经过城市2C , 则P 中从S 到2C 的子路也一定是从S 到2C 的最优行驶路线. 因此, 为了得到从S 到T 的最优行驶路线, 我们只需要先求出从S 到
k C (1,2k =)的最优行驶路线, 就可以方便地得到从S 到T 的最优行驶路线. 同样,为了求
出从S 到k C (1,2k =)的最优行驶路线, 只需要先求出从S 到j B (1,2j =)的最优行驶路线; 为了求出从S 到j B (1,2j =)的最优行驶路线, 只需要先求出从S 到i A (1,2,3i =)的最优行驶路线. 而从S 到i A (1,2,3i =)的最优行驶路线是很容易得到的.
我们可以把从S 到T 的行驶过程分成4个阶段,即i S A → (i =1或2或3),i j A B → (j =1或2), j k B C →(k =1或2), k C T →. 记(,)d Y X 为城市Y 与城市X 之间的直接距离（若这两个城市之间没有道路直接相连，则可以认为直接距离为无穷大），用()L x 表示城市S 到城市X 的最优行驶路线的路长, 则:
()0;L S =
()min{()(,)},Y X
L X L Y d Y X X S ≠=+≠
我们可以编写如下的LINGO 程序:
model: SETS:
CITIES/S,A1,A2,A3,B1,B2,C1,C2,T/:L; ROADS(CITIES,CITIES)/ S,A1 S,A2 S,A3
A1,B1 A1,B2 A2,B1 A2,B2 A3,B1 A3,B2 B1,C1 B1,C2 B2,C1 B2,C2 C1,T C2,T/:D; ENDSETS DATA :
D= 6 3 3
6 5 8 6
7 4 6 7
8
9 5 6;
L=0,,,,,,,,; ENDDATA
@FOR (CITIES(i)|i#GT#@index (S):
L(i)=@MIN (ROADS(j,i):L(j)+D(j,i));); End
在LINGO 中如下所示:
集合段定义的CITIES 是一个基本集合（元素通过枚举给出），L 是其对应的属性变量（我们要求的最短路长）；ROADS 是由CITIES 导出的一个派生集合，由于只有一部分城市之间有道路相连，所以我们进一步将其元素通过枚举给出，这就是一个稀疏集合。D 是ROADS 对应的属性变量(给定的距离)。程序运行结果如下:
从以上程序运行结果可以看出, 从S 到T 的最优行驶路线的路长为20, 进一步分析，可以得到从S 到T 的最优行驶路线为321S A B C T →→→→.
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 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。
Lingo基本用法总结（除集函数部分）LINGO是用来求解线性和非线性优化问题的简易工具。Lingo免费版可以支持30个未知数，lingo破解版可以支持几万个未知数、几万个约束条件。 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： 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。 得到如下结果：
所以当x1为250，x2为100时目标函数得到最大值。 ?算术运算符 Lingo中变量不区分大小写，以字母开头不超过32个字符 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“﹣”。 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。
例：在x1+x2>=350，x1>=100，2*x1+x2<=600的条件下求2*x1+3*x2的最小值 在代码窗口中编写 min=2*x1+3*x2; x1+x2>=350; x1>=100; 2*x1+x2<=600; 然后单击上面菜单lingo菜单下solve键即可。 ?数学函数 标准数学函数： @abs(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返回-1；否则，返回1 @floor(x) 返回x的整数部分。当x>=0时，返回不超过x的最大整数；当 x<0时，返回不低于x的最大整数。 最大最小函数： @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 边界限定函数： @bin(x) 限制x为0或1 @bnd(L,x,U) 限制L≤x≤U @free(x) 取消对变量x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 辅助函数 1．@if(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 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。 例：求x1^2+3*x2-x1*x2+e^x3在 x1+x2>=350;x1+x3<50;2*x1+x2+x3<=600;x1只能取0或1；x2为整数的条件下的最小值。 在代码窗口中编写 min=x1^2+3*x2-x1*x2+@exp(x3); x1+x2>=350; x1+x3<50; 2*x1+x2+x3<=600; @bin(x1);@gin(x2);
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入门教程之一--- 初识lingo ingo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） 第一行表示在经过457次迭代后得到局部最优解 第二行给出该局部最优解的具体值 下面给出取局部最优值时，x1 x2的具体取值 这里求解的是局部最优解，如果想求出全局最优解，可以进行页面设置：lingo --> option --> global solver --> 勾选use global solver 对于运行结果也可以另存为，格式一般为ldt，因为有时候对于求解一个问题，或许需要运行很久才可以得出结果，所以没必要每次为了看结果都运行，而是运行成功一次后便把结果保存下来 注意事项 LINGO总是根据“MAX=”或“MIN=”寻找目标函数；
Lingo软件在求解数学优化问题的使用技巧 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性方程组及代数方程求根等。 LINGO的最新版本为LINGO7.0，但解密版通常为4.0和5.0版本，本书就以LINGO5.0为参照而编写。 1．LINGO编写格式 LINGO模型以MODEL开始，以END结束。中间为语句，分为四大部分（SECTION）：（1）集合部分（SETS）：这部分以“SETS：”开始，以“ENDSETS”结束。这部分的作用在于定义必要的变量，便于后面进行编程进行大规模计算，就象C语言在在程序的第一部分定义变量和数组一样。在LINGO中称为集合（SET）及其元素（MEMBER或ELEMENT，类似于数组的下标）和属性（A TTRIBUTE，类似于数组）。 LINGO中的集合有两类：一类是原始集合（PRIMITIVE SETS），其定义的格式为：SETNAME/member list（or 1..n）/：attribute,attribute,etc。 另一类是是导出集合（DERIVED SETS），即引用其它集合定义的集合，其定义的格式为： SETNAME（set1，set2，etc。）：attribute，attribute，etc。 如果要在程序中使用数组，就必须在该部分进行定义，否则可不需要该部分。（2）目标与约束：这部分定义了目标函数、约束条件等。一般要用到LINGO的内部函数，可在后面的具体应用中体会其功能与用法。求解优化问题时，该部分是必须的。（3）数据部分（DA TA）：这部分以“DA TA：”开始，以“END DA TA”结束。其作用在于对集合的属性（数组）输入必要的数值。格式为：attribut=value_list。该部分主要是方便数据的输入。 （4）初始化部分（INIT）：这部分以“INIT：”开始，以“END INIT”结束。作用在于对集合的属性（数组）定义初值。格式为：attribute=value_list。由于非线性规划求解时，通常得到的是局部最优解，而局部最优解受输入的初值影响。通常可改变初值来得到不同的解，从而发现更好的解。 编写LINGO程序要注意的几点： 1.所有的语句除SETS、ENDSETS、DA TA、ENDDA TA、INIT、ENDINIT和MODEL，END 之外必须以一个分号“；”结尾。 2.LINGO求解非线性规划时已约定各变量非负。 LINGO内部函数使用详解。 LINGO建立优化模型时可以引用大量的内部函数，这些函数以“@”符号打头。 （1）常用数学函数 @ABS(X) 返回变量X的绝对数值。 @COS( X) 返回X的余弦值，X的单位为弧度 @EXP( X)
例题1. 在lingo 中输入下列线性规划模型，并求解 ∑∈?=A j i j i x j i d z ),(),(),( min s.t. 1),1(≥∑∈V j j x , , },10,,2,1{,0),(x ,),(, 1,1),(V V A V V i i i j i x j j i x V i ?==∈=>=∑∈ 为非负实数 所有 的数值如下表：d d=0 8 5 9 12 14 12 16 17 22 8 0 9 15 16 8 11 18 14 22 5 9 0 7 9 11 7 12 12 17 9 15 7 0 3 17 10 7 15 15 12 16 9 3 0 8 10 6 15 15 14 8 11 17 8 0 9 14 8 16 12 11 7 10 10 9 0 8 6 11 16 18 12 7 6 14 8 0 11 11 17 14 12 15 15 8 6 11 0 10 22 22 17 15 15 16 11 11 10 0; 分析：这个模型输入的难点，在于变量的数量太多，足足有100个。约束条件也比较多，有没有什么方便的输入方法？下面介绍lingo 中集合的建立 新建lingo 文件 输入下面内容 model : sets : V/1..10/;!创建集合V; A(V,V):d,x;!创建集合A 是V 乘V.而d,x 是与A 同结构的，即d ，x 分别是10*10矩阵; endsets min =@sum (A(i,j):d(i,j)*x(i,j));!创建目标函数; @sum (V(j):x(1,j))>=1; !第一个约束条件; @for (V(j)|j#gt#1: !i#gt#1为逻辑判断语句表示i>1是返回真值,但这里不能直接写i>1,因为">"是关系运算符不是逻辑运算符; @sum (V(i):x(i,j))=1;); !利用循环函数表达：当i>1（即i 从2到10）时， {x(i,j):j=1..10}的和等于1;
LINGO 软件简介 LINGO 软件是一个处理优化问题的专门软件，它尤其擅长求解线性规划、非线性规划、整 数规划等问题。 一个简单示例 有如下一个混合非线性规划问题： ?????≥≤≤+++---+为整数 213 212 13213 2 2212121,;0,,210022..15023.027798max x x x x x x x x x x t s x x x x x x x 。 LINGO 程序（模型）： max =98*x1+277*x2-x1^*x1*x2-2*x2^2+150*x3; x1+2*x2+2*x3<=100; x1<=2*x2; @gin (x1);@gin (x2);! Lingo 默认变量非负 （注意：@bin(x)表示x 是0-1变量；@gin(x)表示x 是整数变量；@bnd(L,x,U)表示 限制LxU ；@free(x)表示取消对x 的符号限制，即可正、可负。） 结果： Global optimal solution found. Objective value: Extended solver steps: 0 Total solver iterations: 45 Variable Value Reduced Cost X1 X2 X3 Row Slack or Surplus Dual Price 1 2 3 ———————— 非常简单！ 在LINGO 中使用集合 为了方便地表示大规模的规划问题，减少模型、数据表示的复杂程度，LINGO 引进了“集合”的用法，实现了变量、系数的数组化（下标）表示。 例如：对?? ? ??? ? ==-++-==≤++∑=.,,;10)0(;4,3,2,1),()())()1()(;4,3,2,1,20)(..)} (20)(450)(400{min 4 ,3,2,1均非负INV OP RP INV I I DEM I OP I RP I INV I INV I I RP t s I INV I OP I RP I 求解程序： model : sets : mark/1,2,3,4/:dem,rp,op,inv;!也可以vmark/1..4/:dem,rp,op,inv;
LINGO 软件及其应用 一、求解线性规划 例题1：目标函数：max z=2x1+3x2 约束条件：x1+2x2<=8 4x1<=17 4x2<=13 x1,x2>=0 输入语句： model: max=2*x1+3*x2; x1+2*x2<8; 4*x1<17; 4*x2<13; end 说明： 1）问题模型由MODEL：命令开始，END 结束，对简单模型可以省略。 2）目标函数必须由“min =”或“max =”开头。 3）分号是LINGO的分隔符。LINGO中的每一行都以分号结束，如果缺少，模型将无法求解。若一个命令或语句一行写不下，可以分多行写，但是，最后结束命令时，一定别忘了打个分号“；”，一行内也可写多个命令，只要每个用分号分开即可。 4）语句中乘号（*）不能省略，支持（）的输入。 5）LINGO中＜与＜＝均代表＜＝，＞与＞＝也均代表＞＝。 6）LINGO中的注解必须用感叹号“！”开始，用分号结束。在感叹号和分号之间的所有内容都将被LINGO忽略。注释可以占据多行，也可以插入LINGO 表达式之中。 7）LINGO的命令从来不区分大小写，当你在LINGO中定义变量时，每个变量都要以26个字母开始，后面可跟数字或者下划线，最多可以是32个字符。 8）软件默认决策变量是非负的。如果需要一个变量取负数、整数或一定范
围内的值，可以通过变量限定函数加以限制。 @bin(x) 限制x为0或1 @bnd(L,x,U) 限制L≤x≤U @free(x) 取消对变量x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。 求解结果如下： Global optimal solution found. Objective value: 14.12500 Total solver iterations: 1 Variable Value Reduced Cost X1 4.250000 0.000000 X2 1.875000 0.000000 Row Slack or Surplus Dual Price 1 14.12500 1.000000 2 0.000000 1.500000 3 0.000000 0.1250000 4 5.500000 0.000000 例题2 一奶制品加工厂用牛奶生产A 1,A 2 两种奶制品，1桶牛奶可以在甲车 间用12小时加工成3公斤A 1，或者在乙车间用8小时加工成4公斤A 2 。根据市 场需求，生产的A 1,A 2 全部能售出，且每公斤A 1 获利24元，每公斤A 2 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A 1 ，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？
LINGO 软件简介 LINGO 软件是一个处理优化问题的专门软件，它尤其擅长求解线性规划、非线性规划、整数规划等问题。 一个简单示例 有如下一个混合非线性规划问题： ?????≥≤≤+++---+为整数 213 212 13213 2 2212121,;0,,210022..15023.027798max x x x x x x x x x x t s x x x x x x x 。 LINGO 程序（模型）： max =98*x1+277*x2-x1^2-0.3*x1*x2-2*x2^2+150*x3; x1+2*x2+2*x3<=100; x1<=2*x2; @gin (x1);@gin (x2);! Lingo 默认变量非负 （注意：@bin(x)表示x 是0-1变量；@gin(x)表示x 是整数变量；@bnd(L,x,U)表示 限制L ≤x ≤U ；@free(x)表示取消对x 的符号限制，即可正、可负。） 结果： Global optimal solution found. Objective value: 9561.200 Extended solver steps: 0 Total solver iterations: 45 Variable Value Reduced Cost X1 6.000000 -76.70000 X2 31.00000 -151.2000 X3 16.00000 -150.0000 Row Slack or Surplus Dual Price 1 9561.200 1.000000 2 0.000000 0.000000 3 56.00000 0.000000 ———————— 非常简单！ 在LINGO 中使用集合 为了方便地表示大规模的规划问题，减少模型、数据表示的复杂程度，LINGO 引进了“集合”的用法，实现了变量、系数的数组化（下标）表示。
LINGO的基本用法 一．集合的基本用法 集合(set)及其属性(attribute)的概念 基本集合与派生集合 集合名[/元素列表/][：属性列表]； 集合名（父集合列表）[/元素列表/][：属性列表]； 稠密集合与稀疏集合 元素过滤法 基本集合的隐式列举法： 数字型 1..n 字符数字型Car101..Car208 日期型MON..FRI 月份型OCT..JAN 年月型OCT2007..JAN2008 二．模型结构 （1）集合段从“sets:”到“endsets” （2）数据输入段从“data:”到“enddata” 属性＝常数列表 （3）目标和约束段 MIN＝表达式 （4）计算段从“calc:”到“endcalc”，对原始数据的计算处理 （5）初始段从“init:”到“endinit”，定义迭代初值用 属性＝常数列表 （6）注释从感叹号到分号 三．函数 基本数学函数 @ABS(X) @COS(X) @EXP(X) @FLOOR(X) @LGM(X) @LOG(X) @MOD(X,Y) @POW(X,Y) @SIGN(X) @SIN(X) @SMAX(list) @SMIN(list) @SQR(X) @SQRT(X) @TAN(X) 其中@LGM(X) ＝ln(X-1)! 集合循环函数 @FOR @MIX @MIN @PROD @SUM 用法：集合函数名(集合名(集合索引列表)|条件：表达式组） 集合操作函数 @IN @IN(集合名，集合元素名，…集合元素名) @INDEX @INDEX(集合名，集合元素名)
@WRAP @WRAP(i，N)，循环计数 @SIZE @SIZE(集合名) 变量定界函数 @BND(L,X,U) @BIN(X) @FREE(X) @GIN(X) 分别对变量取值限制：上下界，0-1值，取消非负限制，整数 概率分布函数 @PNS(X) 标准正态分布@PSL(X) 正态线性损失 @PBN(P,N,X) 二项分布@PHG 超几何分布 @PTD(N,X) t分布@PFD(N,D,X) F分布 @PPS(A,X) 泊松分布@PPL(A,X) 泊松线性损失 @PCX(N,X) X平方分布@RAND(seed) 随机数 服务系统函数 @PEL(A,X) @PFS(A,X,C) @PEB(A,X) 文件输入输出函数 @FILE(fn) @TEXT(…fn?) @OLE 结果报告函数 @ITERS() 返回迭代次数 @NEWLINE(n) 输出n个新行 @STRLEN(string) 返回字符串的长度 @NAME(reference) 返回变量名或行名 @WRITE 用于数据段，输出变量，字符串或换行 @WRITEFOR 是@WRITE在循环情况下的推广 @FORMAT 以格式描述符方式输出数值 @DUAL(varname) 返回解答中变量的判别数或结束行的影子价格@STATUS() 返回求解后的最后状态 其他函数 @IF @IF(条件，true结果，false结果) @WARN @WARN(‘text’，条件) @USER @USER(用户编写的函数dll或obj文件) 四．文件传输 通过文本文件传输数据 @FILE和@TEXT 通过Excel文件传输数据 @OLE
第十八章LINGO软件的使用 18.1 LINGO入门 18.1.1 LINGO软件的安装过程 点击LINGO9.0 for Windows安装文件，出现 点击“Next”按钮，出现 此时需要接受安装协议。系统安装时默认的目录是C:\LINGO9。安装完成前，会出现下图所示的对话框：
这个对话框询问你希望采用的默认的建模（即编程）语言，系统推荐的是采用LINGO语法，也就是选项“LINGO（recommended）”；你也可以选择“LINDO”将LINDO语法作为默认的设置。当然，安装后你也可以通过“LINGO｜Options｜File Format命令来修改默认的建模（即编程）语言。在上图中按下“OK”按钮，系统就会完成LINGO的安装过程。 18.1.2 LINGO基础知识 LINGO有两种命令格式：一种是常用的Windows模式，通过下拉式菜单命令驱动LINGO 运行，界面是图形式的，使用起来也比较方便；另一种是命令行（Command-Line）模式，仅在命令窗口（Command Window）下操作，通过输入行命令驱动LINGO运行。由于其使用字符方式输入，初学者往往不太容易掌握。在这里，我们主要介绍在菜单驱动模式下LINGO的使用方法。 LINGO 9.0软件比以前的版本有了很大的改进，功能大大增强，性能更加稳定，计算的结果更加可靠。LINGO软件不仅可用于求解非线性规划问题，还可以用以求解非线性整数规划问题；LINGO包含了内置的建模语言，模型中所需的数据可以以一定格式保存在独立的文件中；LINGO允许以简练、直观的方式描述较大规模的优化问题。 注：LIGDO公司目前已将LINDO软件从其产品中删除了。事实上，LINDO软件的所有功能（包括LINDO语法格式）都在LINGO中得到了支持。 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。状态行最左边显示的是“Ready”表示“准备就绪”；右下角显示的是当前时间，时间前面是当前光标的位置“Ln1,Col1”（即1行1列）。将来，用户可以用选项命令（LINGO｜Options菜单命令）决定是否需要显示工具栏和状态行。在LINGO 模型窗口中，选择菜单命令“File｜Open(F3)”，可以看到下图所示的标准的“打开文件”对话框，我们看到有各种不同的“文件类型”：
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;
第1讲Lingo软件入门 司守奎 烟台市，海军航空工程学院数学教研室 Email：sishoukui@https://www.doczj.com/doc/537233555.html, 1 Lingo软件的基本语法 1.1 集合 集合部分的语法为 sets: 集合名称1/成员列表1/：属性1_1，属性1_2，…，属性1_n1； 集合名称2/成员列表2/：属性2_1，属性2_2，…，属性2_n2； 派生集合名称（集合名称1，集合名称2）：属性3_1，…，属性3_n3； endsets 例26 sets: product/A B/; machine/M N/; week/1..2/; allowed(product,machine,week):x; endsets 1.2 数据 数据部分的语法为 data: 属性1=数据列表； 属性2=数据列表； enddata 1.3 计算 计算段部分不能含有变量，必须是已知数据的运算。 calc: b=0; a=a+1; endcalc 1.4 模型的目标函数和约束条件 这里就不具体给出了，下面通过具体例子给出。 1.5 子模型 在LINGO 9.0 及更早的版本中，在每个LINGO 模型窗口中只允许有一个优化模型，可以称为主模型（MAIN MODEL）。在LINGO 10.0 中，每个LINGO 模型窗口中除了主模型外，用户还可以定义子模型(SUBMODEL)。子模型可以在主模型的计算段中被调用，这就进一步增强了LINGO 的编程能力。 子模型必须包含在主模型之内，即必须位于以“MODEL:”开头、以“END”结束的模块内。同一个主模型中，允许定义多个子模型，所以每个子模型本身必须命名，其基本语法是： SUBMODEL mymodel: 可执行语句（约束+目标函数）; ENDSUBMODEL 其中mymodel 是该子模型的名字，可执行语句一般是一些约束语句，也可能包含目标函数，但不可以有自身单独的集合段、数据段、初始段和计算段。也就是说，同一个主模型内的变量都是全局变量，这些变量对主模型和所有子模型同样有效。 如果已经定义了子模型mymodel，则在计算段中可以用语句“@SOLVE( mymodel);”求解这个子模型。 2 Lingo函数 2.1 算术运算符
L I N G O软件简介 Document number：BGCG-0857-BTDO-0089-2022
LINGO 软件简介 LINGO 软件是一个处理优化问题的专门软件，它尤其擅长求解线性 规划、非线性规划、整数规划等问题。 一个简单示例 有如下一个混合非线性规划问题： ?????≥≤≤+++---+为整数 213 212 13213 2 2212121,;0,,210022..15023.027798max x x x x x x x x x x t s x x x x x x x 。 LINGO 程序（模型）： max =98*x1+277*x2-x1^2-0.3*x1*x2- 2*x2^2+150*x3; x1+2*x2+2*x3<=100; x1<=2*x2; @gin (x1);@gin (x2);! Lingo 默认变量非负 （注意：@bin(x)表示x 是0-1变量；@gin(x)表示x 是整数变量；@bnd(L,x,U)表示限制L?x?U ；@free(x)表示取消对x 的符号限制，即可正、可负。） 结果： Global optimal solution found. Objective value: 9561.200 Extended solver steps: 0 Total solver iterations: 45
Variable Value Reduced Cost X1 6.000000 -76.70000 X2 31.00000 -151.2000 X3 16.00000 -150.0000 Row Slack or Surplus Dual Price 1 9561.200 1.000000 2 0.000000 0.000000 3 56.00000 0.000000 ————————非常简单！ 在LINGO中使用集合 为了方便地表示大规模的规划问题，减少模型、数据表示的复杂程度，LINGO引进了“集合”的用法，实现了变量、系数的数组化（下标）表示。
LINGO是Linear Interactive and General Optimizer的缩写，中文名称为“交互式的线性和通用优化求解器”，是由美国LINDO系统公司（Lindo System Inc.）开发的一套专门用于求解最优化问题的软件包，用于求解线性规划和二次规划问题，LINGO可以求解非线性规划问题，也可以用于一些线性和非线性方程（组）的求解等。此外，LINGO还允许优化模型中的决策变量为整数（即整数规划），其执行速度很快，是求解优化模型的最佳选择。 1软件介绍 其特色在于内置建模语言，提供十几个内部函数，可以允许决策变量是整数（即整数规划，包括0-1整数规划），方便灵活，而且执行速度非常快。能方便与EXCEL，数据库等其他软件交换数据。最新版本LINGO14.0已经发布。 2操作步骤 一般地，使用LINGO求解运筹学问题可以分为以下两个步骤来完成：1）根据实际问题，建立数学模型，即使用数学建模的方法建立优化模型； 2）根据优化模型，利用LINGO来求解模型。主要是根据LINGO软件，把数学模型转译成计算机语言，借助于计算机来求解。 例题：在线性规划中的应用maxZ=5X1+3X2+6X3, s.t.X1+2X2+X3≤18 2X1+X2+3X3=16 X1+X2+X3=10
X1,X2≥0,X3为自由变量 应用LINGO来求解该模型，只需要在lingo窗口中输入以下信息即可： max=5*x1+3*x2+6*x3; x1+2*x2+x3<=18; 2*x1+x2+3*x3=16; x1+x2+x3=10; @free(x3); 然后按运行按钮，得到模型最优解，具体如下：Objectivevalue:46.00000 VariableValueReducedCost x114.000000.000000 x20.0000001.000000 x3-4.0000000.000000 由此可知，当x1=14,x2=0,x3=-4时，模型得到最优值，且最优值为46。 说明：在利用LINGO求解线性规划时，如自变量都为非负的话，在LINGO中输入的信息和模型基本相同；如自变量为自由变量，可以使用函数@free来把系统默认的非负变量定义自由变量，如实例一中的x3。 3软件详述 LINGO全称是LinearINteractiveandGeneralOptimizer的缩写---
LINGO的使用简介 LINGO软件是美国的LINGO系统公司开发的一套专门用于求解最优化问题的软件包．LINGO除了能够用于求解线性规划和二次规划外，还可以用于非线性规划求解、以及一些线性和非线性方程(组)的求解等．LINGO软件的最大特色在于它允许优化模型中的决策变量为整数，即可以求解整数规划，而且执行速度快．LINGO是用来求解线性和非线性优化问题的简易工具．LINGO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．在这里仅简单介绍LINGO的使用方法． LINGO(Linear INteractive and General Optimizer )的基本含义是交互式的线性和通过优化求解器．它是美国芝加哥大学的 Linus Schrage 教授于1980年开发了一套用于求解最优化问题的工具包，后来经过完善成何扩充，并成立了LINDO系统公司．这套软件主要产品有：LINDO，LINGO，LINDO API和What’sBest．它们在求解最优化问题上，与同类软件相比有着绝对的优势．软件有演示版和正式版．正式版包括：求解包(solver suite)、高级版(super)、超级版(hyper)、工业版(industrial)、扩展版(extended)．不同版本的LINGO对求解问题的规模有限制，如附表３-1所示． 附表３-1 不同版本LINGO对求解规模的限制 版本类型总变量数整数变量数非线性变量数约束数 演示版 300 30 30 150 求解包 500 50 50 250 高级版 2000 200 200 1000 超级版 8000 800 800 4000 工业版 32000 3200 32000 16000 扩展版无限无限无限无限 3.1 LINGO程序框架 LINGO可以求解线性规划、二次规划、非线性规划、整数规划、图论及网络最优化问题和最大最小求解问题，以及排队论模型中最优化等问题． 一个LINGO程序一般会包括以下几个部分： (1) 集合段：集部分是LINGO模型的一个可选部分．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先定义． (2) 数据段：在处理模型的数据时，需要为集部分定义的某些元素在LINGO求解模型之前为其指定