线性规划问题及灵敏度分析在LINGO软件中的实现
（龙少波李东阳罗添元）
一、问题的提出：
某公司饲养实验用的动物以出售给动物研究所，已知这些动物的生长对饲料中3种营养成分（蛋白质、矿物质和维生素）特别敏感，每个动物每周至少需要蛋白质60g，矿物质3g，维生素8mg，该公司能买到5种不同的饲料，每种饲料1kg所含各种营养成分和成本如下表所示，如果每个小动物每周食用饲料不超过52kg，才能满足动物生长需要。
问题：
1．求使得总成本最低的饲料配方？
2．如果另一个动物研究对蛋白质的营养要求变为59单位，但是要求动物的价格比现在的价格便宜0.3元，问该养殖所值不值得接受？
3．由于市场因素的影响，X2的价格降为0.6元每千克，问是否要改变饲料配方？
二、建立线性规划数学模型
解答：
（1）设需要饲料A1, A2, A3, A4分别为X1, X2, X3, X4kg，则建立线性规划数学模型如下：
目标函数：MinS=0.2X1+0.7X2+0.4X3+0.3X4+0.5X5
约束条件：0.3X1+2X2+X3+0.6X4+1.8X5>=60
0.1X1+0.05X2+0.02X3+0.2X4+0.05X5>=3
005X1+0.1X2+0.02X3+0.2X4+0.08X5>=8
X1+X2+X3+X4+X5<=52
X1, X2, X3, X4, X5>=0
三、在LINGO软件中的求解
在LINGO中输入下面的命令：
Model：
Min=0.2*x1+0.7*x2+0.4*x3+0.3*x4+0.5*x5;
0.3*x1+2*x2+x3+0.6*x4+1.8*x5>60;
0.1*x1+0.05*x2+0.02*x3+0.2*x4+0.05*x5>3;
0.05*x1+0.1*x2+0.02*x3+0.2*x4+0.08*x5>8;
x1+x2+x3+x4+x5<52;
end
操作：选菜单Lingo|Solve(或按Ctrl+S),或用鼠标点击“求解”按纽，如果模型有语法错误，则弹出一个标题为“LINGO Error Message”(错误信息)的窗口，指出在哪一行有怎样的错误，每一种错误都有一个编号（具体含义可查阅相关文献或LINGO的Help）.改正错误以后再求解，如果语法通过，LINGO用内部所带的求解程序求出模型的解，然后弹出一个标题为“LINGO Solver Status”（求解状态）的窗口，其内容为变量个数、约束条件个数、优化状态、耗费内存、所花时间等信息，点击Close关闭窗口，屏幕上出现标题为“Solution Report”（解的报告）的信息窗口，显示优化计算（线性规划中换基迭代）的步数、优化后的目标函数值、列出各变量的计算结果.
输出结果如下:
Global optimal solution found at iteration: 4
Objective value: 22.40000
V ariable V alue Reduced Cost
X1 0.000000 0.7000000
X2 12.00000 0.000000
X3 0.000000 0.6166667
X4 30.00000 0.000000
X5 10.00000 0.000000
Row Slack or Surplus Dual Price
1 22.40000 -1.000000
2 0.000000 -0.5833333
3 4.100000 0.000000
4 0.000000 -4.166667
5 0.000000 0.8833333
四、结果分析：
(一) 一般分析
1.因此,每周每个动物的配料为饲料A2、A4、A5分别为12、30和10kg，合计为52KG，可使得饲养成本达到最小，最小成本为2
2.4元；
2. “Reduced Cost”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增加的量。变量X1对应的reduced cost值为0.7，表示当非基变量x1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= 22.4+0.7 = 2
3.1。
3.“Slack or Surplus”给出松驰变量的值：可以看出，蛋白质和维生素刚达到最低标准，矿物质超过最低标准
4.1g；
4.“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. 从“Dual Price”可以得到:
1.降低标准蛋白质1单位可使饲养成本降低0.583元，（第二个问题答案）
2.降低标准维生素1单位可使饲养成本降低4.167元，
3.降低矿物质的标准不会降低饲养成本，
4.如果动物的进食量减少，就必须选取精一些的饲料但要增加成本，大约进食量降低1kg可使得饲养成本增加0.88元.
（二）灵敏度分析
对于目标函数系数和约束条件右端常数项的灵敏度分析，可以通过LINGO软件求解的灵敏度分析给出.如果要看灵敏度分析结果，必须激活灵敏度计算功能才会在求解时给出灵敏度分析结果，默认情况下这项功能是关闭的.想要激活它，必须运行LINGO|Options…命令，选择Gengral Solver，在Dual Computation列表框中，选择Prices and Ranges选项并确定.
Ranges in which the basis is unchanged:
Objective Coefficient Ranges
Current Allowable Allowable V ariable Coefficient Increase Decrease
X1 0.2000000 INFINITY 0.7000000
X2 0.7000000 INFINITY 0.1358974
X3 0.4000000 INFINITY 0.6166667
X4 0.3000000 1.400000 1.000000
X5 0.5000000 0.1247059 INFINITY
Right hand Side Ranges
Row Current Allowable Allowable
RHS Increase Decrease
2 60.00000 4.800000 4.800000
3 3.000000 4.100000 INFINITY
4 8.000000 0.3428571 0.4800000 4
5 52.00000 1.846154 1.411765
(1)系数价格变化的分析：
目标函数中X1原来的费用系数为0.2，允许增加（Allowable Increase）到无穷大、或者允许减少（Allowable Decrease）=0.7，说明当它在[0，+∞]范围变化时，最优基保持不变。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系数发生了变化，所以最优值会变化）。
对于X2来说，目标函数中原来的费用系数为0.7，允许增加（Allowable Increase）到无穷大、或者允许减少（Allowable Decrease）=0.136，说明当它在[0.7-0.136，+∞]=[0.564, +∞]范围变化时，最优
基保持不变。（第三个问题答案）
（2）约束中右端项变化的分析：
第2行约束中右端项（Right Hand Side，简写为RHS）原来为60，当它在[60-4.8，60+4.8] = [55.2，64.8]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。
一个实例理解Lingo的灵敏性分析 线性规划问题的三个重要概念： 最优解就是反应取得最优值的决策变量所对应的向量。 最优基就是最优单纯形表的基本变量所对应的系数矩阵如果其行列式是非奇异的，则该系数矩阵为最优基。 最优值就是最优的目标函数值。 Lingo的灵敏性分析是研究当目标函数的系数和约束右端项在什么范围（此时假定其它系数不变）时，最优基保持不变。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。下面是一道典型的例题。 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？ 模型代码： max=72*x1+64*x2; x1+x2<=50; 12*x1+8*x2<=480; 3*x1<=100; 运行求解结果： 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 3360.000 1.000000 2 0.000000 48.00000 3 0.000000 2.000000 4 40.00000 0.000000 这个线性规划的最优解为x1=20，x2=30，最优值为z=3360，即用20桶牛奶生产A1, 30桶牛奶生产A2，可获最大利润3360元。输出中除了告诉我们问题的最优解和最优值以外，还有许多对分析结果有用的信息。 其中，“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X1，X2均为基变量。 “Slack or Surplus”给出松驰变量的值，模型第一行表示目标函数，所以第二行对应第一个约束。3个约束条件的右端不妨看作3种“资源”：原料、劳动时间、车间甲的加工能力。输出中Slack or Surplus给出这3种资源在最优解下是否有剩余：原料、劳动时间的剩余均为
线性规划问题及灵敏度分析在LINGO软件中的实现 （龙少波李东阳罗添元） 一、问题的提出： 某公司饲养实验用的动物以出售给动物研究所，已知这些动物的生长对饲 料中3种营养成分（蛋白质、矿物质和维生素）特别敏感，每个动物每周至少需 要蛋白质60g，矿物质3g，维生素8mg，该公司能买到5种不同的饲料，每种饲 料1kg所含各种营养成分和成本如下表所示，如果每个小动物每周食用饲料不超 过52kg，才能满足动物生长需要。 A1 A2 A3 A4 A5 营养最 低 要求蛋白质(g) 0.3 2 1 0.6 1.8 60 矿物质(g) 0.1 0.05 0.02 0.2 0.05 3 维生素(mg) 0.05 0.1 0.02 0.2 0.08 8 成本（元/ kg）0.2 0.7 0.4 0.3 0.5 问题： 1．求使得总成本最低的饲料配方？ 2．如果另一个动物研究对蛋白质的营养要求变为59单位， 但是要求动物的价格比现在的价格便宜0.3元，问该养殖所 值不值得接受？ 3．由于市场因素的影响，X2的价格降为0.6元每千克， 问是否要改变饲料配方？ 二、建立线性规划数学模型 解答： （1）设需要饲料A1, A2, A3, A4分别为X1, X2, X3, X4kg，则建立线 性规划数学模型如下： 目标函数：MinS=0.2X1+0.7X2+0.4X3+0.3X4+0.5X5 约束条件：0.3X1+2X2+X3+0.6X4+1.8X5>=60 0.1X1+0.05X2+0.02X3+0.2X4+0.05X5>=3 005X1+0.1X2+0.02X3+0.2X4+0.08X5>=8
假设条件成为了建模过程中一个影响模型好坏的影响因素，灵敏度分析就是在模型建立后，对假设条件变化，检验模型的优劣性 一般来说Lingo做出来的灵敏度分析能够达到一个比较理想的程度，不过还是要根据模型本身来研究，建议你在开始之前先学习一下《数值分析》，对建模的灵敏度分析很有用哈，再根据《数值分析》的方法，对M-C（蒙特卡罗）方法进行灵敏度分析，你会很快掌握~~~ 随着现代工业的迅速发展，对工业设备的精度提出了更高的要求。但是，由于制造误差、轴承间隙、弹性变形等因素的影响，不可避免地会对设备的精度产生一定的影响。因此我们就有必要建立起一个数学模型并且应用恰当的分析方法来研究上述的各种误差对精度的影响关系，找出影响最大的因素，作为我们在实际的制造和装配过程中进行误差分配，降低生产成本，提高传动精度的理论依据。这里就可以采用灵敏度分析的方法。它主要包括局部灵敏度分析方法和全局灵敏度分析方法。 一、局部灵敏度分析方法 局部法主要分析因素对模型的局部影响（如某点）。局部法可以得到参数对输出的梯度，这一数值是许多领域研究中所需要的重要数据。局部法主要应用于数学表达式比较简单，灵敏度微分方程较易推出，不确定因素较少的系统模型中。主要包括直接求导法、有限差分法、格林函数法。 1．直接求导法 对于输入因素个数少、结构不复杂、灵敏度微分方程较易推导的系统或模型，直接法是一种简单快速的灵敏度分析方法。时变（非静止）系统可以用微分或微分-代数方程进行描述。假设要考虑的初值问题是 ，（1） 同样，代表n维输出变量，代表m维输入因素。代表初值数组。 式（1）对输入因素微分得到下述的灵敏度微分方程
（2） 或以矩阵形式表示为（3） 式中，是系统代数-微分方程右边对系统输出变量的导数（可称为雅可比矩阵），是对输入因素的导数，也可称为参数雅可比。微分方程（2）的初始条件为零向量。 上述的直接法建立在微分方程（2）的基础上，要得到其灵敏度矩阵S的解，需要先求得矩阵J和F的值。而矩阵的值又是由系统变量的真实值确定，因此，需同时或预先求得（1）方程的解。 对于非时变（静止）系统，将其代数方程，式中，Y是n维输出变量，X是m维输入因素。令表示隐性代数方程式的解。对输入因素求导数，得到下面的灵敏度公式： （4） 式中，称为静态灵敏度矩阵，和由静态点的变量值计算。对于变量少、结构不复杂、灵敏度微分方程较易推出的系统，直接法是一个简单快速的灵敏度分析方法。 2．有限差分法 局部灵敏度最简单的计算方法是有限差分法，其基本做法是使设计变量有一个微小的摄动，用差分格式来计算输出对设计变量的近似导数。其中比较简单的是采用向前差分格式 （5） 式中，截断误差与同阶。有时采用更为精确的中心差分公式 （6） 而，
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:
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 +≤????+≤??≥= ? (1) 其中11n n z c x c x =++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 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 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1 223z 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：
lingo 软件求解线性规划及灵敏度分析 注：以目标函数最大化为例进行讨论，对求最小的问题，有类似的分析方法！所有程序运行环境为lingo10。 一、用lingo 软件求解线性规划 例1： m a x 23..4310 3512,0 z x y s t x y x y x y =++≤+≤≥ 在模型窗口输入： model: max=2*x+3*y; 4*x+3*y<=10; 3*x+5*y<12; ! the optimal value is :7.454545 ; End 如图所示： 运行结果如下（点击 工具栏上的‘solve ’或点击菜单‘lingo ’下的‘solve ’即可）： Global optimal solution found. Objective value: 7.454545（最优解函数值） Infeasibilities: 0.000000 Total solver iterations: 2（迭代次数）
Variable （最优解） Value Reduced Cost X 1.272727 0.000000 Y 1.636364 0.000000 Row Slack or Surplus Dual Price 1 7.454545 1.000000 2 0.000000 0.9090909E-01 3 0.000000 0.5454545 例2： 12123124125m a x 54.. 390280450 z x x s t x x x x x x x x x x =+++=++=++=≥ 在模型窗口输入： model: max=5*x1+4*x2; x1+3*x2+x3=90; 2*x1+x2+x4=80; x1+x2+x5=45; end 运行（solve ）结果如下： Global optimal solution found. Objective value: 215.0000 Infeasibilities: 0.000000 Total solver iterations: 3 Variable Value Reduced Cost X1 35.00000 0.000000 X2 10.00000 0.000000 X3 25.00000 0.000000 X4 0.000000 1.000000 X5 0.000000 3.000000 Row Slack or Surplus Dual Price 1 215.0000 1.000000 2 0.000000 0.000000 3 0.000000 1.000000 4 0.000000 3.000000 例3
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
【2017年整理】lingo灵敏度分析实例一个实例理解Lingo的灵敏性分析 线性规划问题的三个重要概念: 最优解就是反应取得最优值的决策变量所对应的向量。 最优基就是最优单纯形表的基本变量所对应的系数矩阵如果其行列式是非奇异的，则该系数矩阵为最优基。 最优值就是最优的目标函数值。 Lingo的灵敏性分析是研究当目标函数的系数和约束右端项在什么范围(此时假定其它系数不变)时，最优基保持不变。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。下面是一道典型的例题。 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, 模型代码: max=72*x1+64*x2; x1+x2<=50; 12*x1+8*x2<=480;
3*x1<=100; 运行求解结果: 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 3360.000 1.000000 2 0.000000 48.00000 3 0.000000 2.000000 4 40.00000 0.000000 这个线性规划的最优解为x1=20，x2=30，最优值为z=3360，即用20桶牛奶生产A1, 30桶牛奶生产A2，可获最大利润3360元。输出中除了告诉我们问题的最优解和最优值以外，还有许多对分析结果有用的信息。 其中，“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 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X1，X2均为基变量。 “Slack or Surplus”给出松驰变量的值，模型第一行表示目标函数，所以第二行对应第一个约束。3个约束条件的右端不妨看作3种“资源”:原料、劳动时间、车间甲的加工能力。输出中Slack or Surplus给出这3种资源在最优解下是否有剩余:原料、劳动时间的剩余均为 零，车间甲尚余40(公斤)加工能力。
Ling o与线性规划 线性规划得标准形式就是 (1) 其中称为口标函数，自变量称为决策变量，不等式组(1)称为约束条件、 满足不等式组(1)得所有得集合称为可行域，在可行域里面使得Z取最小值得称为最优解，最优解对应得函数值称为最优值。 求解优化模型得主要软件有L i ng o、Ma t 1 a b＞ Ex c el等。其中Lingo 就是一款专业求解优化模型得软件，有其她软件不可替代得方便功能。本文将简要介绍其在线性规划领域得应用。 —、基本规定 1、目标函数输入格式 ma x二函数解析式；或者min二函数解析式； 2、约束条件输入格式 利用：＞、V、〉=、〈二等符号。但就是＞与＞二没有区别。L ingo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 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“！”开始得就是说明语句(说明语句也需要以分号"；”结束)o但就是,mo d el, s e t s, data以"：”结尾。endsets, e n ddata, e n d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 (1)
例1求目标函数得最小值，约束条件为 输入Ling o 程序: min = 2*x1 + 3*x2； x I + x2 >= 350?x1 >= 1 0 0;2A *X 1 + x2 <= 600; 有两种运行方式： 1、点击工具条上得按钮 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： Gl o bal o p tima 1 solution f oun d :表示已找到全局最优解。 Ob j e ctive value ：表示最优值得大小。可见本题函数最小值8 00。 Rov Slack or Surplus Dual Price 1 800.0000 -1.000000 2 CLOOCICICICI -4?00 OOOCI 3 150.0CICICI O ?000000 4 CLOOCICICICI 1?000000 Global optimal solution found ? Objective value: 800.0000 Infeasibilities: 0 ? OOOCICICI Total solver iterations: 2 Variable 得模型，这两个语句也可以省略。 8、改变变量得取值范围 bin （变量名）; bnd （a,变量名,b ）; free （变量名）； gin （变量名）； 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、 Value 250.0000 ?dodo Reduced Cost o ?000000 o ?000000
LINGO灵敏性分析（Range，Ctrl+R） 用该命令产生当前模型的灵敏性分析报告：研究当目标函数的费用系数和约束右端项在 什么范围（此时假定其它系数不变）时，最优基保持不变。灵敏性分析是在求解模型时作出的，因此在求解模型时灵敏性分析是激活状态，但是默认是不激活的。为了激活灵敏性分析，运行 LINGO|Options…，选择 General Solver Tab，在 Dual Computations 列表框中，选择 Prices and Ranges 选项。灵敏性分析耗费相当多的求解时间，因此当速度很关键时，就没有必要激活它。 下面我们看一个简单的具体例子。 例 5.1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，并激活灵敏性分析。这时，查看报告窗口（Reports Window）,可以看 到如下结果。
“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 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（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。 灵敏度分析的结果是 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，
. Word 文档 Lingo 与线性规划 线性规划的标准形式是 11n n Min z c x c x =++L 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
lingo结果分析及灵敏性分析 问题描述 程序代码： max = 60*desks + 30*tables + 20*chairs; 8*desks + 6*tables + chairs <= 48; 2*desks + 1.5*tables + 0.5*chairs <= 8; 4*desks + 2*tables + 1.5*chairs <= 20; tables<= 5; 部分结果一： Variable Value Reduced Cost DESKS 2.000000 0.000000 TABLES 0.000000 5.000000 CHAIRS 8.000000 0.000000 ⑴Value:给出最优解中各变量的值，Value=0(非基变量)，反之为基变量。
⑵Reduced Cost：表示当非基变量有微小变动时, 目标函数的变化率。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。 部分结果二： 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 ⑴“Slack or Surplus”――松驰变量。 ⑵“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。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）。 ⑶如果在最优解处约束正好取等号（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4) 4 DESKS + 2 TABLES + 1.5 CHAIRS <= 20 变为4) 4 DESKS + 2 TABLES + 1. 5 CHAIRS <= 21 时，目标函数值= 280 +10 = 290。
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)
熟悉LINGO软件的灵敏度分析功能
2012——2013学年第一学期 合肥学院数理系 实验报告 课程名称：运筹学 实验项目：熟悉LINGO软件的灵敏度分析功能实验类别：综合性□设计性□√验证性□专业班级： 姓名：学号： 实验地点： 实验时间： 2012年11月22日 指导教师：管梅成绩：
一.实验目的 1、学会使用LINGO 软件求解线性规划问题的灵敏度分析。 2、学会分析LINGO 软件求解的结果。 二.实验内容 1、求解线性规划： 12 1212max 2251228Z x x x x x x =++≥?? +≤? 并对价值系数、右端常量进行灵敏度分析。 2、已知某工厂计划生产I ，II ，III 三种产品，各产品需要在A 、B 、C 设备上加 I II III 设备有效台时 （每月） A 8 2 10 300 B 10 5 8 400 C 2 13 10 420 单位产品利润 （千元） 3 2 2.9 (1)如何发挥生产能力，使生产盈利最大？ (2)若为了增加产量，可租用别工厂设备B ，每月可租用60台时，租金1.8万元，租用B 设备是否合算？ (3)若另有二种新产品IV 、V ，其中新产品IV 需用设备A 为12台时、B 为5台时、C 为10台时，单位产品盈利2.1千元；新产品V 需用设备A 为4台时、B 为4台时、C 为12台时，单位产品盈利1.87千元。如A 、B 、C 的设备台时不增加，这两种新产品投产在经济上是否划算？ (3)对产品工艺重新进行设计，改进结构。改进后生产每件产品I 需用设备A 为9台时、设备B 为12台时、设备C 为4台时，单位产品盈利4.5千元，这时对原计划有何影响？ 三. 模型建立 1、模型略
北方民族大学第六届数学建模竞赛 竞赛论文 竞赛分组： 竞赛题目： 组员： 所在学院: 信息与计算科学学院制版
北方民族大学第六届数学建模竞赛承诺书 为保证竞赛的公平、公正，维护竞赛的严肃性，在竞赛期间，我们承诺遵守以下竞赛规定：只在本参赛队的三人之间进行问题的讨论，绝不与本参赛队外的其他人讨论与竞赛题目相关的任何问题，不抄袭、剽窃他人的成果，引用的参考文献在答卷中进行标注。 承诺人签名： 承诺人所在分组： 承诺人所在学院： 年月日
摘要 在工程技术、经济管理等诸多领域中，人们经常遇到的一类决策问题是：在一系列客观或主观限制条件下，寻求所要关注的某个或多个指标达到最大（或最小）的决策。例如，酒店客房分配，我们常常不能使得客房刚好满足顾客的要求，此时，客房是有限的，但是顾客需要的客房数已经超出酒店可提供的客房数目，我们就会选择一种客房分配方案，来使得酒店的收益获得最大的。 7天连锁酒店利用网络系统为常客户开设标准间和商务间两类客房的预定服务，酒店以一周（从星期一到星期日）为一个时段处理这项业务。现在收到一个会务组提出的一个一周的预定需求单，现要求我们依据题目所提供的信息，以酒店收入最大为目标，针对3种不同情况，制定相应的分配方案。 我们把这类决策问题通常归为最优化问题，解决问题的方案是，找到问题的决策变量，目标函数及约束条件。如果需要作出决策的变量较多时，我们就会首选LINGO软件来解决线性规划的问题。 关键词：最优分配、数学建模、线性规划、LINGO
目录 1.问题的重述 (4) 2.问题的分析 (4) 3.模型的假设 (5) 4.符号的约定 (6) 5.模型的建立与求解 (7) 5.1问题（1）的求解 (8) 5.2问题（2）的求解 (9) 5.3问题（3）的求解 (12) 5.4问题（4）的求解 (15) 6.模型的评价与改进 (15) 7.参考文献 (15) 8.附录 (16)
Lingｏ与线性规划 线性规划得标准形式就是 (1) 其中称为目标函数，自变量称为决策变量,不等式组(1）称为约束条件、 满足不等式组(1)得所有得集合称为可行域,在可行域里面使得z取最小值得称为最优解，最优解对应得函数值称为最优值。 求解优化模型得主要软件有Lｉngｏ、Maｔlａb、Eｘｃel等。其中Linｇo 就是一款专业求解优化模型得软件,有其她软件不可替代得方便功能。本文将简要介绍其在线性规划领域得应用。 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。但就是>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“！”开始得就是说明语句(说明语句也需要以分号“;”结束)。但就是,moｄel，sｅｔs,data以“:”结尾。endsets,e ｎddata,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
得模型,这两个语句也可以省略。 8、改变变量得取值范围 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 求目标函数得最小值，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、点击工具条上得按钮即可。 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 oｐtimaｌsolution ｆounｄ：表示已找到全局最优解。 Obｊｅctive ｖalｕe：表示最优值得大小。可见本题函数最小值８00。 Infeaｓｉｂｉlｉties:矛盾约束得数目。
实验1 用LINGO求解线性规划问题 LINGO使用简介 LINGO软件是美国的LINDO系统公司（Lindo System Inc）开发的一套用于求解最优化问题的软件包.LINGO除了能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.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，而且执行速度快.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，这里简单介绍LINGO的使用方法. LINGO可以求解线性规划、二次规划、非线性规划、整数规划、图论及网络优化和排队论模型中的最优化问题等. 一个LINGO程序一般会包含集合段、数据输入段、优化目标和约束段、初始段和数据预处理段等部分，每一部分有其独特的作用和语法规则，读者可以通过查阅相关的参考书或者LINGO的HELP文件详细了解，这里就不展开介绍了. LINGO的主要功能特色为：既能求解线性规划问题，也有较强的求解非线性规划问题的能力；输入模型简练直观；运算速度快、计算能力强；内置建模语言，提供几十个内部函数，从而能以较少语句，较直观的方式描述大规模的优化模型；将集合的概念引入编程语言，很容易将实际问题转换为LINGO模型；并且能方便地与Excel、数据库等其他软件交换数据. LINGO的语法规定： （1）求目标函数的最大值或最小值分别用MAX=…或MIN=…来表示； （2）每个语句必须以分号“；”结束，每行可以有许多语句，语句可以跨行； （3）变量名称必须以字母（A~Z）开头，由字母、数字（0~9）和下划线所组成，长度不超过32个字符，不区分大小写； （4）可以给语句加上标号，例如[OBJ] MAX=200*X1+300*X2； （5）以惊叹号“！”开头，以分号“；”结束的语句是注释语句； （6）如果对变量的取值范围没有作特殊说明，则默认所有决策变量都非负； （7）LINGO模型以语句“MODEL：”开头，以“END”结束，对于比较简单的模型，这两个语句可以省略. 实验目的 1.对于给定的实际应用问题，正确的建立线性规划问题数学模型，并用LINGO求解； 2.掌握灵敏度分析以及资源的影子价格的相关分析方法. 实验数据与内容 问题1.1某工厂在计划期内要安排生产A、B两种产品，已知生产单位产品所需设备台时及对甲、乙两种原材料的消耗，有关数据如表1.1.问：应如何安排生产计划，使工厂获利最大？
Lingo实验例子 (例子来源：《运筹学教程》（第三版）胡运权主编清华大学出版社2007年第三版) 一、线性规划及单纯形法、灵敏度分析 例1 P28页例5 Lingo程序： max=2*x1+x2; 5*x2<=15; 6*x1+2*x2<=24; x1+x2<=5; 例2 P44页习题1.7（1）Lingo程序：model: max=2*x1-x2+2*x3; x1+x2+x3>=6; -2*x1+x3>=2; 2*x2-x3>=0; end 其余课本上的例题和习题同学们自己动手编写程序并进行调试运行，分析运行结果。二、运输问题 例3 P82页例1 Lingo程序： model: sets: gy/g1..g3/:ai; xs/x1..x4/:dj; link(gy,xs):c,x; endsets data: ai=16,10,22; dj=8,14,12,14; c=4,12,4,11 2,10,3,9 8,5,11,6; enddata min=@sum(link(i,j):c(i,j)*x(i,j) ); @for(gy(i):@sum(xs(j):x(i,j))=ai (i)); @for(xs(j):@sum(gy(i):x(i,j))=dj (j)); end 例4 P98页例5（转运）Lingo程序：model: sets: plant/x1..x5/:produce; customer/y1..y5/:require; link(plant,customer):c,x; endsets data: produce=60,90,50,50,50; require=50,50,50,80,70; c=-4,5,3,2,100 5,-1,2,100,4 3,2-3,5,5 2,100,5-3,6 100,4,5,6,-5; enddata min=@sum(link:c*x); @for(plant(i):@sum(customer(j):x (i,j))=produce(i)); @for(customer(j):@sum(plant(i):x (i,j))=require(j)); end 三、目标规划 例5 P108页例2 Lingo程序： 第一种做法分三步来完成 第一步：考虑目标：min= 11 Pd- model: min=dminus1; 5*x1+10*x2<=60; x1-2*x2+dminus1-dplus1=0; 4*x1+4*x2+dminus2-dplus2=36; 6*x1+8*x2+dminus3-dplus3=48; end 第二步：考虑目标：min= 1122 Pd P d -+ + model: min=dminus1+dplus2; 5*x1+10*x2<=60; x1-2*x2+dminus1-dplus1=0; 4*x1+4*x2+dminus2-dplus2=36; 6*x1+8*x2+dminus3-dplus3=48; end 第三步：考虑目标：min= 112233 Pd P d Pd -+- ++ model: min=dminus1+dplus2+dminus3;