数学建模与LINGO用法1

LINGO软件陕西铁路工程职业技术学院赵增逊2014年10月18日主要内容1.LINGO简介2.LINGO中建模语言（集合、运算符和函数等）3.LINGO编程实例1.1LINGO软件简介（1）美国芝加哥(Chicago)大学的Linus Schrage（莱纳斯.施拉盖）教授于1980年前后开发。

（2）LINGO: Linear Interactive General Optimizer (线性交互式通用优化器)。

（3）用来求解的优化模型（连续优化和整数规划（IP））。

类型：线性规划（LP）、二次规划(QP)、非线性规划(NLP)。

1.2 LINDO/LINGO软件能求解的模型优化线性规划非线性规划二次规划连续优化整数规划LINDOLINGO1.3 LINGO的特点（1）求解线性规划问题（2）求解非线性规划问题（3）非线性方程组（4）输入模型简练直观（5）运行速度快、计算能力强1.4 学习LINGO 的要求 需要掌握：软件操作基本语法结构掌握集合(SETS)的应用 正确阅读求解报告 正确理解求解状态窗口 学会设置基本的求解选项(OPTIONS) LINGO: Linear Interactive General Optimizer 求解数学规划问题Min Z = f (x)s.t x ∈D (⊂Rn )Lingo软件的主窗口(用户界面) 所有Lingo窗口都在这个窗口内状态行(最左边显示“Ready”表示“准备就模型窗口(Model Window)用于输入LINGO优化模型(即LINGO程序)当前光标的位置当前时间1.5 LINGO软件界面1．新建（New ）单击“新建”按钮或直接按F2键可以创建一个新的“Model ”窗口。

在这个新的“Model ”窗口中能够输入所要求解的模型。

2．打开（Open ）单击“打开”按钮或直接按F3键可以打开一个已经存在的文本文件。

这个文件可能是一个Model 文件。

lingo基本用法以下是 9 条关于“lingo 基本用法”的内容：1. 嘿，你知道吗，lingo 里的变量定义可简单啦！就像给东西起个名字一样自然。

比如说，咱要算一堆苹果的数量，那就可以设个变量叫apple_num 呀，这不就清楚明白啦！2. 哇塞，lingo 的约束条件就像是给问题加上规矩。

就好比说，规定一个房间最多能进 10 个人，这就是个约束呀。

比如限制某种资源不能超过多少，lingo 就能很好地处理呢！3. 哎呀呀，lingo 的目标函数那可重要了！这就好比是你要去追求的目标。

比如你想让利润最大化，那目标函数就是让利润相关的表达式达到最大呀！像算怎么卖东西能赚最多钱，lingo 就能帮你找到答案哟！4. 嘿，lingo 的表达式书写也不难呢！就像写个数学式子一样。

比如 2x +3y 这么简单明了。

要计算一些关系，用它来写表达式再合适不过了！5. 哇哦，lingo 里的集合定义多有意思啊！像是把一群相关的东西归到一起。

比如把不同类型的商品归成一个集合，然后对它们进行统一的处理呀，是不是很方便呀？6. 哎呀，lingo 的求解命令一敲，就等着答案出来啦！就像你按下按钮，机器就开始工作一样。

你看，多神奇啊，一下子就知道结果了呢！7. 嘿，lingo 还能处理复杂的数据呢！就像一个聪明的小助手，不管多乱的数据它都能理清楚。

比如算一大堆乱七八糟数字的关系，lingo 绝对能应付得来呀！8. 哇，lingo 的模型建立虽然要动点脑筋，但一旦建好了，那可太好用啦！就跟盖房子一样，辛苦一点，盖好了住着就舒服啦。

你想想，自己建的模型能用起来，多有成就感呀！9. 哎呀呀，掌握了 lingo 的基本用法，那真的是能解决好多问题呢！不管是算数量还是优化方案，都不在话下。

所以呀，还不赶紧去学学，让它为你服。

数学建模-(货机装运lingo)货机装运是指将货物从一个起点运输到一个终点，在这个过程中需要考虑到货物的重量、体积、运输方式等多种因素。

在货机装运过程中，一个关键问题是如何最大化运载效率，即在保证运输安全和合法的前提下，尽可能地提高货机的装载量，从而降低单位运输成本。

在数学建模中，可以使用lingo等工具进行货机装运的优化。

具体来说，可以将该问题抽象为一个数学模型，以最大化货机的装载量为目标函数，同时考虑到运输安全、货物重量、体积等约束条件。

下面以一个具体例子来说明如何使用lingo进行货机装运的优化：假设有一架货机，其载重量为10000公斤，可以装载两种货物A和B，每种货物的重量和体积如下：货物类型重量（公斤）体积（立方米）A 600 1.5B 400 0.8同时，从起点到终点的运输费用如下：货物类型运输费用（元/公斤）A 10B 15要求在保证运输安全和合法的前提下，最大化货机的装载量，即：subject to:A +B <= 10000（装载量不超过10000公斤）其中，A和B表示货机装载的货物A和B的数量，V是货机的装载体积，运输费用是由货物类型和运输距离等因素决定的，这里简化为一个固定值。

使用lingo进行求解的过程如下：1.首先，在lingo中创建一个新的模型文件，并定义目标函数和约束条件：2.对模型进行求解，并设置模型参数：model:solve;parameters:V = 15;end;在上述代码中，V表示货机的装载体积，这里假设为15立方米。

solve表示对模型进行求解，通过设置end来结束参数定义。

3.对求解结果进行分析和优化，例如考虑不同装载体积下的最优解：for V := 15 to 20 dobeginwriteln('Optimal value for V=',V,': ',model.obj);在以上代码中，for循环遍历不同的装载体积值（15到20），分别求解模型并输出优化结果。

Lingo软件在数学建模竞赛中的应用[收稿日期] 2010-06-20[基金项目] 福建交通职业技术学院科技发展基金(Ky1001)。

数学建模(Mathematical Modeling)是对现实世界的一个特定对象,为了一个特定目的,根据特有的内在规律,作出一些必要的简化假设,运用适当的数学工具,得到一个数学结构的过程[1]。

1 非线性规划模型历年全国大学生数学建模竞赛都需解决最优生产计划、最优分配最优设计、最优决策、最佳管理等较为复杂的非线性规划问题,模型由决策变量、目标函数、约束条件三个要素组成,其计算量较大,可用Lingo软件求解。

2006“高教社杯”全国大学生数学建模竞赛C题[3]第二小题,设易拉罐是一个正圆柱体,什么是它的最优设计?经测量得圆柱的上底厚度为a=0.036 cm、下底厚度为c=0.040 cm、圆柱侧壁厚度为b=0.012 cm?А？悸且桌?罐设计美观性、便于把握以及材料节省等因素,于是建立目标规划模型如下:目标函数:minW=b×2πRh+(a+c)πR2约束条件:V=πR2>3552R/h=0.618πr2≤18.56,h≥8.71R>0,h>0,a=0.036,b=0.0 12利用Lingo8.0编程如下:Model:min=b*2*3.14159*R*h+(a+c)*3.14159*R^2;!以上是目标函数,以下为约束条件;3.14159* R^2 * h>355;2*R/h=0.618;3.14159*R^2=18.56;h>=8.71;R>0;h>0;a=0.036;c=0.040;b=0.012;EndLingo以语句Model开始,以语句End结束,这两个语句单独成一行。

语句分为集合定义部分、数据初始化部分、目标函数、约束条件部分,这几个部分的先后次序无关紧要。

min开头的语句表示求目标函数最小值。

“!”开头的语句是注释语句,Lingo不作运行,每条中间语句必须以“;”号作为结尾。

LINGO使用说明一、LINGO的基本特性1.建模语言：LINGO使用一种直观的建模语言，被称为LINGO语言，它使用简洁的语法和自然语言类似的表达方式，使用户能够轻松地描述问题。

2.线性优化：LINGO支持线性规划（LP）和整数线性规划（ILP），它的线性优化功能包括线性约束、线性目标函数和变量定义，可以解决诸如生产优化、资源分配等问题。

3.非线性优化：LINGO还支持非线性规划（NLP）和全局优化（GLO），可以解决包括非线性约束和非线性目标函数的问题。

它提供了多种求解方法和算法，如牛顿法、逐次线性规划等。

4.约束和限制：LINGO能够处理各种类型的约束和限制，包括等式约束、不等式约束、逻辑约束等。

用户可以根据具体问题定义约束，LINGO会自动处理约束的完整性和一致性。

5.求解器：LINGO内置了一系列高效的求解器，如线性规划求解器、非线性规划求解器、整数规划求解器等。

用户可以根据问题的复杂程度选择最适合的求解器。

6.结果分析：LINGO可以生成详细的结果报告，包括优化解、约束条件、目标函数值等。

用户可以通过结果报告来分析问题的解决方案，做出决策。

二、LINGO的使用方法2.创建模型：在LINGO中，用户需要先创建一个模型文件，来描述问题。

可以通过鼠标点击“新建模型”按钮或选择文件菜单中的“新建”选项来创建一个新的模型文件。

3.定义变量：在模型文件中，用户可以定义变量。

变量可以是整数、二进制或连续的，并为每个变量分配一个名称、类型和取值范围。

4.定义目标函数：在模型文件中，用户可以定义一个目标函数。

目标函数可以是线性的或非线性的，并定义在变量上。

5.定义约束：在模型文件中，用户可以定义约束。

约束可以是线性的或非线性的，并定义在变量上。

用户需要通过约束来限制变量的取值范围。

6.设置求解器：在模型文件中，用户可以选择合适的求解器来解决问题。

LINGO提供了多种求解器，用户可以根据问题的复杂程度选择最适合的求解器。

一、LINGO简介LINGO[1]是美国LINDO系统公司开发的求解数学规划系列软件中你的一个,它的主要功能是求解大型线性、非线性和整数规划问题,LINGO的不同版本对模型的变量总数、非线性变量数目、整型变量数目和约束条件的数量做出不同的限制.LINGO的主要功能特色为:(1)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;(2)输入模型简练直观;(3)运行速度快、计算能力强.(4)内置建模语言,提供几十个内部函数,从而能以较少语句,较直观的方式描述较大规模的优化模型;(5)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;(6)能方便地与EXCEL、数据库等其他软件交换数据.LINGO像其他软件一样,对他的语法有规定,LINGO的语法规定如下:（1）求目标函数的最大值或最小值分别用MAX=…或MIN=…来表示;(2) 每个语句必须以字母开头,由字母、数字和下划线所组成,昌都不超过32个字符,不区分大小写;(3)每个语句必须以分号“;”结束,每行可以有多个语句,语句可以跨行;(4)如果对变量的取值范围没有特殊说明,则默认所有决策变量都非负;(5)LINGO模型以语句“MODEL”开头,以语句“END”结束,对于比较简单的模型,这这两个语句可以省略.LINGO提供了五十几个内部函数,使用这些函数可以大大减少编程工作量,这些函数都是以字符@开头,下面简单介绍其中的集合操作函数和变量定界函数及用法.集合是LINGO建模语言中最重要的概念,使用集合操作函数能够实现强大的功能,LINGO 提供的常用集合操作函数有@FOR(s:e)、@SUM(s:e)、@MAX(s:e)、@MIN(s:e)等.@FOR(s:e)常用在约束条件中,表示对集合s 中的每个成员都生成一个约束条件表达式,表达式的具体形式由参数e 描述;@SUM(s:e) 表示对集合s 中的每个成员,分别得到表达式e 的值,然后返回所有这些值的和;@MAX(s:e) 表示对集合s 中的每个成员,分别得到表达式e 的值,然后返回所有这些值中的最大值;@MIN(s:e) 表示对集合s 中的每个成员,分别得到表达式e 的值,然后返回所有这些值中的最小值.LINGO 默认变量的取值可以从零到正无穷大,变量定界函数可以改变默认状态,如对整数规划,限定变量取整数,对0-1规划,限定变量取0 1或.LINGO 提供的变量定界函数有:@BIN(X)、@BND(L,X,U)、@GIN(X)、@FREE(X).@BIN(X)限定X 为0或1,在0-1规划中特别有用;@GIN(X)限定X 为整数,在整数规划中特别有用;@BND(L,X,U)限定L ＜X ＜U,可用作约束条件;@FREE(X)取消对X 的限定,即X 可以取任意实数.二、LINGO 在线性规划中的应用具有下列三个特征的问题称为线性规划问题(Linear program )[2]简称LP 问题,其数学模型称为线性规划(LP)模型.线性规划问题数学模型的一般形式为:求一组变量(1,2,,)j x j n = 的值,使其满足1122max(min),n n z c x c x c x =+++2111122111211222221122***.0,1,2,,,,..n j n n n n nn nn n n x j n a x a x a x b a x a x a x b s t a x a x a x b ⎧⎪⎪⎪⎨⎪⎪≥=⎪⎩+++++++++式中“*”代表“≥”、“ ≥”或“=”.上述模型可简写为1max(min),njj j z cx ==∑1*0,1,2,,,1,2,,..nij j j ji a x x j n b i m s t =⎧⎪⎨⎪≥=⎩=∑其中,变量j x 称为决策变量,函数1njj j z cx ==∑称为目标函数,条件1*nj j i j c x b =∑称为约束条件,0j x ≥ 称为非负约束.在经济问题中,又称j c 为价值系数,i b 为资源限量. 线性规划在科学决策与经营管理中实效明显[3],但是对于规模较大的线性模型,其求解过程非常繁琐,不易得出结果.而 LINGO 中的内部集合函数有@FOR(s:e)、@SUM(s:e)、@MAX(s:e)、@MIN(s:e)等,可以用这些集合函数使程序编程简单可行,下面举例说明.例1 某工厂有两条生产线,分别用来生产M 和P 两种型号的产品,利润分别为200元每个和300元每个,生产线的最大生产能力分别为每日100和120,生产线没生产一个M 产品需要1个劳动日(1个工人工作8小时称为1个劳动日)进行调试、检测等工作,而每个P 产品需要2个劳动日,该工厂每天共计能提供160个劳动日,假如原材料等其他条件不受限制,问应如何安排生产计划,才能使获得的利润最大？解 设两种产品的生产量分别为1x 和2x ,则该问题的数学模型为:目标函数 12max 200300z x x =+约束条件212100,120,160,0,1,2.ix x x x x i ≤⎧⎪≤⎪⎨+≤⎪⎪≥=⎩ 编写LINGO 程序如下:MODEL:SETS:SHC/1,2 /:A,B,C,X; YF/1,2,3 /:J;ENDSETSDATA:A=1,2 ; B=100,120; C=200,300;ENDDATAMAX=@SUM(SHC:C*X);@FOR(SHC(I):X(I)<B(I)); @SUM(SHC(I):A(I)*X(I))<=160;END程序运行结果如下Global optimal solution found.Objective value: 29000.00 Total solver iterations: 0 Variable Value Reduced CostA( 1) 1.000000 0.000000A( 2) 2.000000 0.000000B( 1) 100.0000 0.000000B( 2) 120.0000 0.000000C( 1) 200.0000 0.000000C( 2) 300.0000 0.000000X( 1) 100.0000 0.000000X( 2) 30.00000 0.000000J( 1) 0.000000 0.000000J( 2) 0.000000 0.000000J( 3) 0.000000 0.000000Row Slack or Surplus Dual Price 1 29000.00 1.000000 2 0.000000 50.00000 3 90.00000 0.000000 4 0.000000 150.0000最优解为12100,30,x x ==最优值为29000.00z =.即每天生产100个M 产品30个P 产品,可获得29000元利润.三、LINGO 在整数规划和0-1规划中的应用1 求解整数规划整数规划[4]分为整数规划和混合整数规划,要求全部变量都为非负整数的数学规划称为纯整数规划,只要求部分变量为非负整数的数学规划称为混合整数规划.下面只讨论约束条件和目标函数均为线性的整数规划问题,即整数线性规划问题(以下简称整数规划,记为ILP ),其数学模型的一般形式是()1m ax m in njj j z cx ==∑,()()11,2,,..01,2,,nij j i j j j a x b i n s t x j n x =⎧≤=⎪⎪⎪≥=⎨⎪⎪⎪⎩∑ 全为整数或部分为整数。

lingo的语法规则Lingo是一种优化建模语言，它遵循一定的语法规则。

以下是一些Lingo的语法规则：1. 变量声明: 在Lingo中，变量需要在使用之前声明。

变量可以是连续的实数、整数或者集合。

2. 目标函数: 目标函数是Lingo模型的核心部分，用于表示需要优化的目标。

目标函数可以使用MAX或MIN关键字来指定最大化或最小化目标。

3. 约束条件: 约束条件是限制问题解的约束，通常由等式或不等式表示。

约束条件可以包括等式约束、不等式约束和逻辑约束。

4. 集合: Lingo允许使用集合来表示一组变量或一组约束。

集合可以用于定义变量、参数、约束等。

5. 参数: 参数是用于定义模型的数据，可以是数值型或字符型。

参数可以在模型中直接使用，也可以通过集合引用。

6. 运算符: Lingo支持多种运算符，包括算术运算符、逻辑运算符和关系运算符。

运算符的优先级遵循常规的数学规则。

7. 语句格式: Lingo语句通常以分号结尾，每行可以包含多个语句。

语句可以跨行，以提高可读性。

8. 注释: Lingo允许使用注释来解释模型或添加额外信息。

注释以“!”开头，可以出现在模型的任何位置。

9. 标号: Lingo允许给语句添加标号，以便在模型中引用或识别特定语句。

标号以方括号开头和结尾，例如[OBJ]。

10. 模型结构: Lingo模型以“MODEL:”开头，以“END”结束。

在模型中，可以包含多个目标函数、约束条件、参数等。

以上是Lingo的一些基本语法规则，使用这些规则可以帮助你构建有效的优化模型并解决实际问题。

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：,6002100350..32min 212112121≥≤+≥≥++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 54 95 3 8 5 8 25 2 1 9 7 4 3 37 6 7 3 9 2 7 12 3 9 5 7 2 6 55 5 2 2 8 1 4 3;enddataend然后点击工具条上的按钮即可。

东北大学秦皇岛分校数学建模课程设计报告生产、库存与设备维修综合计划的优化安排学院数学与统计学院专业数学与应用数学学号7110402姓名崔冰洁指导教师成绩教师评语：指导教师签字：2014年7月9日1 绪论线性规划是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法。

研究线性约束条件下线性目标函数的极值问题的数学理论和方法，英文缩写LP。

它是运筹学的一个重要分支，广泛应用于军事作战、经济分析、经营管理和工程技术等方面。

为合理地利用有限的人力、物力、财力等资源做出的最优决策，提供科学的依据。

在经济生活中，一个公司库存、生产、销售量要受限于与公司设备的生产能力，如何确定最优的生产库存等计划，可以使用线性规划的知识进行数学模型的建立并通过数学软件进行求解。

将库存金额控制在合理水准，是每个公司都期望的，这样的话可以将运营成本降到最低，让现金流动起来。

就是要合理处理好生产、库存与设备维修综合计划的优化安排。

在保证企业生产、经营需求的前提下，合理处理好生产、设备维修综合计划的优化安排。

使库存量经常保持在合理的水平上；掌握库存量动态，适时，适量提出订货，避免超储或缺货；减少库存空间占用，降低库存总费用；控制库存资金占用，加速资金周转2 LINGO软件简介LINGO是Linear Interactive and General Optimizer的缩写，即“交互式的线性和通用优化求解器”，由美国LINDO系统公司推出的，可以用于求解非线性规划，也可以用于一些线性和非线性方程组的求解等，功能十分强大，是求解优化模型的最佳选择。

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。

3 数学模型建立与求解3.1问题：某工厂有以下设备：4台磨床、2台立钻、3台水平钻、1台镗床和1台刨床。

Lingo 是一种专门用于线性规划和整数规划的建模和求解语言。

它提供了一种简洁的方式来描述数学模型，并使用线性规划算法求解这些模型。

下面是Lingo 的一些基本用法示例：
1. 变量定义：
- 定义实数变量：`X = 0.5;`
- 定义整数变量：`INT_VAR Y;`
2. 目标函数定义：
- 最小化目标函数：`MIN = 2*X + 3*Y;`
- 最大化目标函数：`MAX = -X + 4*Y;`
3. 约束条件定义：
- 等式约束：`EQUATION C1: X + Y = 10;`
- 不等式约束：`INEQUATION C2: X >= 5;`
- 范围约束：`5 <= Y <= 20;`
4. 求解模型：
- 使用默认求解器求解：`SOLVE;`
- 指定求解器和参数：`SOLVE WITH LP_METHOD=3;` 以上是Lingo 的一些基本用法示例，实际上，Lingo 还提供了更多的功能和语法，用于描述更复杂的数学模型和问题。

它可以处理
线性规划、整数规划、混合整数规划等多种类型的问题，并提供了丰富的优化算法和工具来求解这些问题。