用lingo求解数学规划模型实例

Lingo超经典案例大全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”。

Lingo超强的优化计算能力在很多方面（线性规划、非线性规划、线性整数规划、非线性整数规划、非线性混合规划、二次规划等）比matlab、maple等强得多，Lingo 编程简洁明了，数学模型不用做大的改动（或者不用改动）便可以直接采用Lingo语言编程，十分直观。

Lingo模型由4个段构成：（1）集合段（sets endsets）；（2）数据段（data enddata)；(3)初始段（init endinit）；（4）目标与约束段。

Lingo的五大优点：1. 对大规模数学规划，LINGO语言所建模型较简洁，语句不多；2. 模型易于扩展，因为@FOR、@SUM等语句并没有指定循环或求和的上下限，如果在集合定义部分增加集合成员的个数，则循环或求和自然扩展，不需要改动目标函数和约束条件；3. 数据初始化部分与其它部分语句分开，对同一模型用不同数据来计算时，只需改动数据部分即可，其它语句不变；4. “集合”是LINGO有特色的概念，它把实际问题中的事物与数学变量及常量联系起来，是实际问题到数学量的抽象，它比C语言中的数组用途更为广泛。

5. 使用了集合以及@FOR、@SUM等集合操作函数以后可以用简洁的语句表达出常见的规划模型中的目标函数和约束条件，即使模型有大量决策变量和大量数据，组成模型的语句并不随之增加．一、求解线性整数规划、非线性整数规划问题：1.线性整数规划：model:max=x1+x2;x1+9/14*x2<=51/14;-2*x1+x2<=1/3;@gin(x1);@gin(x2);end求得x1=3，x2=1，最大值为4.运用matlab求时可以发现有两组解：x1=3，x2=1和x1=2，x2=2。

通过验证也可知这两组解均满足。

数模练习一某手机运营商‎准备在一个目‎前尚未覆盖的‎区域开展业务‎，计划投资50‎00万元来建‎设中继站。

该区域由15‎个社区组成，有7个位置可‎以建设中继站‎，每个中继站只‎能覆盖有限个‎社区。

图1.1.1是该区域的‎示意图，每个社区简化‎为一个多边形‎，每个可以建设‎中继站的位置‎已用黑点标出‎。

由于地理位置‎等各种条件的‎不同，每个位置建设‎中继站的费用‎也不同，且覆盖范围也‎不同。

表1.1.2中列出了每‎个位置建设中‎继站的费用以‎及能够覆盖的‎社区，表1.1.3列出了每个‎社区的人口数‎。

表1.1.2 每个位置建设‎中继站的费用‎及所能覆盖的‎社区位置 1 2 3 4 5 6 7 费用（百万元）9 6.5 20 14.51913 10.5 覆盖社区1,2,42,3,54,7,8,15,6,8,98,9,127,10,11,12,1512,13,14,15表1.1.3 每个社区的人‎口数量社区 1 2 3 4 5 6 7 8910 11 12 13 14 15人口（千人）2413694812 10 11614936问题一：在不超过50‎00万建设费‎用的情况下，在何处建设中‎继站，能够覆盖尽可‎能多的人口；问题二：考虑到中继站‎出现故障维修‎的时候可能会‎出现所覆盖的‎社区信号中断‎等问题，为此对通讯资‎费进行了调整‎，规定，仅有一个中继‎站信号覆盖的‎小区通讯资费‎按正常资费的‎70%收取，有两个或两个‎以上中继站信‎号覆盖的小区‎的通讯资费按‎正常收取，针对于500‎0万元的预算‎，应该如何建设‎中继站，才能够使得资‎费的收入达到‎最大。

问题分析： 问题一，图1.1.11234567891011121314151234567决策变量：为整数）（处建设中继站，位置处不建设中继站，位置i i i i X i ,7110≤≤⎩⎨⎧= 目标函数：},max{··},,max{·},max{·},max{},max{·.},max{··},max{},max{761571471376512611631054954867464253423212311X X y X y X y X X X y X y X X y X X y X X y X y X y X X y X y X y X X y X X y MAX +++++++⋅++++++⋅+⋅=约束条件：5071≤⋅∑=i i i f X用LINGO ‎软件编程求解‎，程序如下：sets :positi ‎o n/1..7/:x,f; societ ‎y /1..15/:r;endset ‎s data :r=2 4 13 6 9 4 8 12 10 11 6 14 9 3 6; f=9 6.5 20 14.5 19 13 10.5; enddat ‎amax =r(1)*@smax (x(1),x(3))+r(2)*@smax (x(1),x(2))+r(3)*x(2)+r(4)*x(3)+r(5)*@smax (x(2),x(4))+r(6)*x(4)+r(7)*x(6)+r(8)*@smax (x(4),x(5))+r(9)*@smax (x(4),x(5))+r (10)*@smax (x(3),x(6))+r(11)*x(6)+r(12)*@smax (x(5),x(6),x(7))+ r(13)*x(7)+r(14)*x(7)+r(15)*@smax (x(6),x(7)); @for (positi ‎o n(i):@bin (x));@sum (positi ‎o n(i):x(i)*f(i))<=50; !@max 和@smax 是不‎同的。

附1：用LINGO求解线性规划的例子一奶制品加工厂用牛奶生产A1、A2两种奶制品，1桶牛奶可以在设备甲上用12小时加工成3公斤A1，或者在设备乙上用8小时加工成4公斤A2。

根据市场需求，生产的A1、A2能全部售出，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为480小时，并且设备甲每天至多能加工100公斤A1，设备乙的加工能力没有限制。

试为该厂制定一个生产计划，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元可以购买到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？数学模型：设每天用x1桶牛奶生产A1 ，用x2桶牛奶生产A2目标函数：设每天获利为z元。

x1桶牛奶可生产3x1公斤A1，获利24*3x1，x2桶牛奶可生产4*x2公斤A2，获利16*4x2，故z=72x1+64x2约束条件：原料供应：生产A1、A2的原料（牛奶）总量不超过每天的供应50桶，即x1+x2≤50劳动时间：生产A1、A2的总加工时间不超过每天正式工人总的劳动时间480小时，即12x1+8x2≤480设备能力：A1的产量不得超过设备甲每天的加工能力100小时，即3x1≤100非负约束：x1、x2均不能为负值，即x1≥0，x2≥0综上所述可得max z=72x1+64x2s.t.x1+x2≤5012x1+8x2≤4803x1≤100x1≥0，x2≥0显然，目标函数和约束条件都是线性的，这是一个线性规划（LP），求出的最优解将给出使净利润最大的生产计划，要讨论的问题需要考虑参数的变化对最优解和影响，一般称为敏感性（或灵敏度）分析。

LINGO求解线性规划用LINGO求解线性规划时，首先在LINGO软件的模型窗口输入一个LP模型，模型以MAX或MIN 开始，按线性规划问题的自然形式输入（见下面例子所示）。

用lingo求解规划问题实例用Lingo求解规划问题实例问题一:某公司打算向它的3个营业区增设6个销售店，每个营业区至少增设一个。

从各区赚取的利润与增设的销售店个数有关，其数据如下表所示。

试求各区应分配几个增设的销售店，才能使总利润最大。

销售点增加数 0 1 2 3 4A区利润/万元 100 200 280 330 340B区利润/万元 200 210 220 225 230C区利润/万元 150 160 170 180 200分析:要设置集合zone/A,B,C/，表示三个地区。

因为获得的利润与地区和各地的销售点增加数均相关，所以可以仿照运输模型，用number/1..4/表示每个地区可选的销售点增加数，1，在i地区新增j个销售点,然后用一个派生集links(zone,number):c,profit，定义 c,,ij0，其他,profit(i,j)为在i地区新增j个销售点能获得的利润。

可写出约束条件为:4， c,1i,1,2,3,ijj,1c,0或1 ij34cj,6 ,,ijij,,11所求函数为max=@sum(links:c*profit);Lingo程序如下:model:sets:zone/A,B,C/; !A,B,C三个地区;number/1..4/; !各地区可选择新建的销售点数目，可选1~4中的一个数，通过links把zone和number联系起来;links(zone,number):c,profit; !若在i地区新建j个销售点，则c(i,j)=1,否则c(i,j)=0.profit(i,j)表示在i地区新建j个销售点的利润; endsets data:profit=200 280 330 340210 220 225 230160 170 180 200;enddatamax=@sum(links:c*profit);@for(zone(I):@sum(number(J):c(I,J))=1); !对于每一个地区，新建销售点的数目是一定的，c的和为1;@sum(zone(I):@sum(number(J):c(I,J)*J))=6; !三个地区新建的销售点总数为6;@for(links(i,j):@bin(c(i,j))); !每一个c(i,j)只能取0或1;end用Lingo求解，结果如下:Global optimal solution found.Objective value: 710.0000Extended solver steps: 0Total solver iterations: 0Variable Value Reduced CostC( A, 1) 0.000000 -200.0000C( A, 2) 0.000000 -280.0000C( A, 3) 1.000000 -330.0000C( A, 4) 0.000000 -340.0000C( B, 1) 1.000000 -210.0000C( B, 2) 0.000000 -220.0000C( B, 3) 0.000000 -225.0000C( B, 4) 0.000000 -230.0000C( C, 1) 0.000000 -160.0000C( C, 2) 1.000000 -170.0000C( C, 3) 0.000000 -180.0000C( C, 4) 0.000000 -200.0000 则在A，B，C区域应分别新增3，1，2个销售点，可获得的最大利润为710万元。

Lingo超经典案例大全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”。

Lingo超强的优化计算能力在很多方面（线性规划、非线性规划、线性整数规划、非线性整数规划、非线性混合规划、二次规划等）比matlab、maple等强得多，Lingo编程简洁明了，数学模型不用做大的改动（或者不用改动）便可以直接采用Lingo语言编程，十分直观。

Lingo模型由4个段构成：（1）集合段（sets endsets）；（2）数据段（data enddata)；(3)初始段（init endinit）；（4）目标与约束段。

Lingo的五大优点：1. 对大规模数学规划，LINGO语言所建模型较简洁，语句不多；2. 模型易于扩展，因为@FOR、@SUM等语句并没有指定循环或求和的上下限，如果在集合定义部分增加集合成员的个数，则循环或求和自然扩展，不需要改动目标函数和约束条件；3. 数据初始化部分与其它部分语句分开，对同一模型用不同数据来计算时，只需改动数据部分即可，其它语句不变；4. “集合”是LINGO有特色的概念，它把实际问题中的事物与数学变量及常量联系起来，是实际问题到数学量的抽象，它比C语言中的数组用途更为广泛。

5. 使用了集合以及@FOR、@SUM等集合操作函数以后可以用简洁的语句表达出常见的规划模型中的目标函数和约束条件，即使模型有大量决策变量和大量数据，组成模型的语句并不随之增加．一、求解线性整数规划、非线性整数规划问题：1.线性整数规划：model:max=x1+x2;x1+9/14*x2<=51/14;-2*x1+x2<=1/3;@gin(x1);@gin(x2);end求得x1=3，x2=1，最大值为4.运用matlab求时可以发现有两组解：x1=3，x2=1和x1=2，x2=2。

通过验证也可知这两组解均满足。

附1：用LINGO求解线性规划的例子一奶制品加工厂用牛奶生产A1、A2附1:用LINGO求解线性规划的例子一奶制品加工厂用牛奶生产A、A两种奶制品，1桶牛奶可以在设备甲上用12小时加工成3公斤A，121或者在设备乙上用8小时加工成4公斤A。

根据市场需求，生产的A、A能全部售出，且每公斤A获利212124元，每公斤A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为4802 小时，并且设备甲每天至多能加工100公斤A，设备乙的加工能力没有限制。

试为该厂制定一个生产计划，1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元可以购买到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A的获利增加到30元，应否改变生产计划, 1数学模型:设每天用x桶牛奶生产A1 ，用x桶牛奶生产A2 12目标函数:设每天获利为z元。

x桶牛奶可生产3x公斤A1，获利24*3x，x桶牛奶可生产4*x公11122斤A2，获利16*4x，故z=72x+64x212约束条件:原料供应:生产A、A的原料(牛奶)总量不超过每天的供应50桶，即 12x+x?50 12劳动时间:生产A、A的总加工时间不超过每天正式工人总的劳动时间480小时，即 1212x+8x?480 12设备能力:A的产量不得超过设备甲每天的加工能力100小时，即 13x?100 1非负约束:x、x均不能为负值，即x?0，x?0 2121综上所述可得max z=72x+64x 12s.t.x+x?50 1212x+8x?480 123x?100 1x?0，x?0 21显然，目标函数和约束条件都是线性的，这是一个线性规划(LP)，求出的最优解将给出使净利润最大的生产计划，要讨论的问题需要考虑参数的变化对最优解和影响，一般称为敏感性(或灵敏度)分析。

例1.1.1某工厂有两条生产线，分别用生产M 和P 两种型号的产品，利润分别为200元/个和300元/个，生产线的最大生产能力分别为每日100和120，生产线每生产一个M 产品需要1个劳动日（1个工人工作8小时成为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，该厂工人每天共计能提供160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 ，则目标函数 12max 200300z x x =+约束条件 1212100,120,2160,0,1,2.i x x x x x i ≤⎧⎪≤⎪⎨+≤⎪⎪≥=⎩ 例1.1.2 基金的优化使用（2001年数学建模竞赛C 题）假设某校基金会得到了一笔数额为M 万元的基金，打算将其存入银行，校基金会计划在n 年末仍保留原基金数额.银行存款税后利率见表元,5n =年的情况下设计具体存款方案.解:分析：假定首次发放奖金的时间是在基金到位后一年，以后每隔一年发放一次，每年发放的时间大致相同，校基金会希望获得最佳的基金使用计划，以提高每年的奖金额，且在n 年末仍保留原基金数额M ，实际上n 年中发放的奖金额全部来自于利息。

如果全部基金都存为一年定期，每年都用到期利息发放奖金，则每年的奖金数为50000.01890⨯=万元，这是没有优化的存款方案。

显然，准备在两年后使用的款项应当存成两年定期，比存两次一年定期的收益高，以此类推。

目标是合理分配基金的存款方案，使得n 年的利息总额最多。

定义：收益比a =（本金+利息）/本金。

于是存2年的收益比为21 2.16%2 1.0432a =+⨯=。

按照银行存款税后利率表计算得到各存款年限对应的最优收益比见表（1） 一次性存成最长期，优于两个（或两个以上）比较短期的组合（中途转存）（2） 当存款年限需要组合时，收益比与组合的先后次序无关。

建立模型 把总基金M 分成5+1份，分别用123456,,,,,x x x x x x 表示，其中12345,,,,x x x x x 分别存成15 年定期，到期后本息合计用于当年发放奖金，6x 存5年定期，到期的本息合计等于原基金总数M 。

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 个约束是国内刚性约束，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 ∑∑=++--=+=lj j kj j kj q k kd w d wp z 11);(.,,...2,1,),(1m i b x anj i j ij=≥=≤∑= .,...2,1,0,,,...,2,1,,,...2,1,1l i d d n x o x l i g d d x ci i j i nj 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、实验内容及步骤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：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。