当前位置：文档之家 › LINGO求解运输问题

LINGO求解运输问题

  • 格式：doc
  • 大小：68.00 KB
  • 文档页数：3

下载文档原格式

  / 3

合集下载

lingo运输问题的实验报告

lingo运输问题的实验报告

数学与计算科学学院实验报告
实验项目名称运输问题求解
所属课程名称运筹学B
实验类型综合
实验日期 2014年10月25日
姓名张丽芬
学号 0102
成绩
附录1：源程序
附录2：实验报告填写说明
1．实验项目名称：要求与实验教学大纲一致.
2．实验目的：目的要明确，要抓住重点，符合实验教学大纲要求.
3．实验原理：简要说明本实验项目所涉及的理论知识.
4．实验环境：实验用的软、硬件环境.
5．实验方案（思路、步骤和方法等）：这是实验报告极其重要的内容.概括整个实验过程.
对于验证性实验，要写明依据何种原理、操作方法进行实验，要写明需要经过哪几个步骤来实现其操作.对于设计性和综合性实验，在上述内容
基础上还应该画出流程图、设计思路和设计方法，再配以相应的文字说明.对于创新性实验，还应注明其创新点、特色.
6．实验过程（实验中涉及的记录、数据、分析）：写明具体实验方案的具体实施步骤，包括实验过程中的记录、数据和相应的分析.
7．实验结论（结果）：根据实验过程中得到的结果，做出结论.
8．实验小结：本次实验心得体会、思考和建议.
9．指导教师评语及成绩：指导教师依据学生的实际报告内容，给出本次实验报告的评价.。

lingo软件在运输问题中的应用

lingo软件在运输问题中的应用
管 理 科 学
Ｉ ｏ软件在运输问题中的应用 ｉｇ ｎ
徐 国 松 （ 苏省连云港工 贸高等职业技 术学校 江 江苏连云港 ２ ２ ０ ） ２ ０ ４ 摘 要： 运输 问题是物 流 系统优化 中常见的 问题 ， 运输 问题是 一种特殊 的线性规 划问题 ， 它的求解方法本 质上也是单纯 形法。随 着计 对 算机的普及 ， 材上传统的手工表 上作 业法 已经不能适应 当前教 学的实际要求 。Ｌ ｎ ｏ 比较 实 用， 问题描述清晰 ， 教 ｉｇ 是 对 易于 学生掌握 。 关键词 ： 运输问题 表上作业法 数 学模型 ｌ ｇ ｉ ｏ ｎ
Ｒｏ ａ ｋ ｏ ｕｒ ｌ ｓ Ｄｕａ Ｐｒｃ ｗ Ｓｌｃ ｒ Ｓ ｐｕ ｌ ｉｅ ｌ ２ ３
４ ５ ６
４ ２０． ０ ７ ００ ０． ０ ０ ０ ００ ０ ０． ０ ０ ０ ００ ０
０． ０ ０ ０ ００ ０ ０． ０ Ｏ ０ ｏＯ Ｏ ５． ０ ０ ０ ００ ０
一１ ０ ０ ０ ．０００ —１ ｏＤ ＯＯ ７． １ Ｏ －２ ０ ００ ０． ０ ０
－１ ０ ００ ３． ０ ０ —ｌ Ｏ ｏＯ ９． ０ Ｏ ０． ０ ０ ０ ００ ０
７ ８
０． ００ ０ ０ ００ ０． ００ ０ ０ ００
２． ０ ０ ０ ００ ０ ２． ０ ０ ０ ００ ０
Ｇｌ ｂａ ቤተ መጻሕፍቲ ባይዱ ｉ ａ ｓ ｌ ｔｏ ｆ ｕｎｄ． ｏ ｌ ｐｔｍ ｌ ｏ ｕ ｉ ｎ ｏ
傲来 公司有 三个仓库 ： 、Ｈ， Ａ Ｈ． 、Ｈ ， 商 品在这 三仓 库 中的库 存 分 别为 １ ０ ， ５ ０ 吨 ９ 吨 ，ｌ 吨 ； ｌ０ 另知有 四家大型超 市（， ， ， ｓ、ｓ 、ｓ、 ｓ） 要 该 公 司 的 Ａ商 品 ， 们 的 需求 量 分 需 他 别是 ５ 吨 ，０吨 ，０ ，５ ５ ８ ９ 吨 ７ 吨 。我们 面 临 的 问题 是 如 何利 用现 有 库 存 资 源 满足 这 四 家 超 市 的 需 求 ， 使 总 运 输 成 本 最 低 。从 并 三 个 仓 库 向 四 家 超 市 送 货 的 运 输 成 本 价 （ ／吨） 元 如表 １ 所示 。

运输问题课程设计lingo

运输问题课程设计lingo

运输问题课程设计lingo一、教学目标本章节的教学目标是让学生掌握运输问题的基本概念、Lingo模型的构建及求解方法。

通过本章节的学习，学生应能够：1.理解运输问题的背景和意义，掌握运输问题的基本概念和分类。

2.学会使用Lingo软件构建运输问题的模型，并运用该软件求解运输问题。

3.能够运用所学知识分析和解决实际生活中的运输问题。

二、教学内容本章节的教学内容主要包括以下几个部分：1.运输问题的基本概念：运输问题的发展历程、基本概念、分类及应用领域。

2.Lingo软件的使用：Lingo软件的界面及功能、模型的构建、求解及优化。

3.运输问题的Lingo模型求解：单源、多源、循环、分配等类型的运输问题的Lingo模型构建及求解。

4.实际案例分析：分析现实生活中遇到的运输问题，运用Lingo软件求解，并提出解决方案。

三、教学方法为了达到本章节的教学目标，将采用以下教学方法：1.讲授法：讲解运输问题的基本概念、Lingo软件的使用方法及运输问题的Lingo模型求解方法。

2.案例分析法：分析实际案例，引导学生运用所学知识解决实际问题。

3.讨论法：学生分组讨论，培养学生的合作能力和解决问题的能力。

4.实验法：让学生动手操作Lingo软件，亲自构建和求解运输问题模型，提高学生的实际操作能力。

四、教学资源为了支持本章节的教学内容和教学方法的实施，将准备以下教学资源：1.教材：《运输问题与Lingo建模》。

2.参考书：关于运输问题、Lingo软件使用的相关书籍。

3.多媒体资料：运输问题案例视频、Lingo软件操作演示视频。

4.实验设备：计算机、投影仪等。

五、教学评估本章节的教学评估将采用多元化的评估方式，全面、客观地评价学生的学习成果。

评估方式包括：1.平时表现：通过课堂参与、提问、讨论等环节，记录学生的表现，占总评的30%。

2.作业：布置与本章节内容相关的作业，要求学生独立完成，占总评的20%。

3.考试：设计针对本章节内容的考试，测试学生对运输问题及Lingo建模的掌握程度，占总评的50%。

Lingo 求解运输问题

Lingo 求解运输问题
循环函数 @FOR(集合(下标)：关于集合的属性的约束关系式)
对冒号“：”前面的集合的每个元素（下标），冒号“：”后 面的约束关系式都要成立 。
2020/5/23
18
例5 分配问题（指派问题，Assignment Problem）
（1）集合段（SETS）：以“ SETS:” 开始， “ENDSETS” 结束，定义必要的集合变量（SET）及其元素（MEMBER， 含义类似于数组的下标）和属性（ATTRIBUTE，含义类似于 数组）。
基本集合的定义语法
基本集合的定义格式为(方括号“[ ]”中的内容是可选项, 可以没 有):
setname [/member_list/] [: attribute_list];
例2 直接用LINGO来解如下二次规划问题：
Max 98x1 277x2 x12 0.3x1x2 2x22 1
s.t. x1 x2 100
2
x1 2x2
3
x1, x2 0 为整数
4
输入窗口如下：
程序语句输入的备注：
•LINGO总是根据“MAX=”或“MIN=”寻找目标函数，而除注 释语句和TITLE语句外的其他语句都是约束条件，因此语句的 顺序并不重要 。 •限定变量取整数值的语句为“@GIN(X1)”和“@GIN(X2)”， 不可以写成“@GIN(2)”，否则LINGO将把这个模型看成没有 整数变量。 •LINGO中函数一律需要以“@”开头，其中整型变量函数 （@BIN、@GIN）和上下界限定函数（@FREE、@SUB、 @SLB）与LINDO中的命令类似。而且0/1变量函数是@BIN函 数。
例1 如何在LINGO中求解如下的LP问题：
min 2x1 3x2 s.t.
x1 x2 350

用lingo解决运输问题

用lingo解决运输问题

用lingo解决运输问题(一)实验目的1. 运输问题求解的编程实现2(掌握使用matlab、Lingo、Excel的求解功能求解运输问题，并对结果进行分析。

(二)实验内容《运筹学》清华三版P98页 3.3题Lingo程序代码及运行结果(选取部分):<1>3.3(1):程序代码:model:sets:xiao/1..4/:s;chan/1..3/:h;link(chan,xiao):x,y;endsetsdata:y=3 7 6 42 43 24 3 8 5;h=5 2 3;s=3 3 2 2;enddatamin=@sum(link:x*y);@for(xiao(j):@sum(chan(i):x(i,j))=s(j));@for(chan(i):@sum(xiao(j):x(i,j))=h(i)); 运行结果及结果分析:Objective value: 32.00000产地1分别将数量为3和2的产品运往销地甲和丁;产地2将数量为2的产品运往销地丙;产地3将数量为3的产品运往销地乙;该运输问题的最小费用为32.<2>3.3(2):程序代码:model:sets:xiao/1..4/:s;chan/1..3/:h;link(chan,xiao):x,y; endsetsdata:y=10 6 7 1216 10 5 95 4 10 10;h=4 9 4;s=5 2 4 6;enddatamin=@sum(link:x*y); @for(xiao(j):@sum(chan(i):x(i,j))=s(j));@for(chan(i):@sum(xiao(j):x(i,j))=h(i));运行结果及结果分析:Objective value: 118.0000产地1将数量为1、2、1的产品分别运往销地甲、乙、丙;产地将数量为3、6的产品运往销地丙、丁;产地3将数量为4的产品运往销地甲。

数学建模-(货机装运Lingo)

数学建模-(货机装运Lingo)
成本。
约束条件
在货机装运问题中，通常需要考虑 多个约束条件，如货机的载重限制、 货物的体积限制、货物的装卸顺序 等。
优化目标
优化目标可以是最大化货机的装载 量、最小化装载成本、最大化利润 等。
数据分析与预处理
数据收集
数据清洗
收集与货机装运问题相关的数据，包括货 物的重量、体积、价值等信息，以及货机 的载重、容积等限制条件。
数据输入输出
介绍如何使用Lingo进行数据输入和 结果输出，包括数据文件的读写、图 形化界面的使用等。
Lingo在货机装运问题中的应用
问题描述
阐述货机装运问题的背景和实际意义，明确问题的目标和约束条件。
建模过程
详细讲解如何使用Lingo对货机装运问题进行数学建模，包括定义变 量、建立目标函数和约束条件等步骤。
货机装运是物流领域的重要问题，涉 及到如何有效利用货机容量，将不同 规格、重量的货物进行合理搭配，以 达到最优的装载方案。
提高运输效率
通过数学建模对货机装运问题进行优 化，可以提高货物的运输效率，减少 运输成本，为企业带来经济效益。
建模的重要性和应用
重要性
数学建模是一种将实际问题抽象化、形式化的方法，通过建立数学模型，可以对问题进行深入分析，找出问题的 本质和规律，为解决问题提供科学依据。
应用
数学建模在物流、交通、金融、工程等领域有着广泛的应用。在货机装运问题中，数学建模可以帮助企业制定最 优的装载方案，提高运输效率，降低成本。同时，数学建模也可以应用于其他类似的问题，如车辆路径问题、背 包问题等。
02 问题描述与数据分析
02 问题描述与数据分析
货机装运问题描述
货机装运问题
货机装运问题是一个经典的优化 问题，涉及到如何有效地将货物 装入货机以最大化利润或最小化

用lingo解决运输问题

用lingo解决运输问题（一）实验目的1. 运输问题求解的编程实现2．掌握使用matlab、Lingo、Excel的求解功能求解运输问题，并对结果进行分析。

（二）实验内容《运筹学》清华三版P98页 3.3题Lingo程序代码及运行结果（选取部分）：<1>3.3（1）：程序代码：model:sets:xiao/1..4/:s;chan/1..3/:h;link(chan,xiao):x,y;endsetsdata:y=3 7 6 42 43 24 3 8 5;h=5 2 3;s=3 3 2 2;enddatamin=@sum(link:x*y);@for(xiao(j):@sum(chan(i):x(i,j))=s(j));@for(chan(i):@sum(xiao(j):x(i,j))=h(i));运行结果及结果分析：Objective value: 32.00000产地1分别将数量为3和2的产品运往销地甲和丁；产地2将数量为2的产品运往销地丙；产地3将数量为3的产品运往销地乙；该运输问题的最小费用为32.<2>3.3（2）：model:sets:xiao/1..4/:s;chan/1..3/:h;link(chan,xiao):x,y;endsetsdata:y=10 6 7 1216 10 5 95 4 10 10;h=4 9 4;s=5 2 4 6;enddatamin=@sum(link:x*y);@for(xiao(j):@sum(chan(i):x(i,j))=s(j));@for(chan(i):@sum(xiao(j):x(i,j))=h(i));运行结果及结果分析：Objective value: 118.0000产地1将数量为1、2、1的产品分别运往销地甲、乙、丙；产地将数量为3、6的产品运往销地丙、丁；产地3将数量为4的产品运往销地甲。

最小费用为118.<3>3.3（3）：程序代码：model:sets:xiao/1..5/:s;chan/1..4/:h;link(chan,xiao):x,y;endsetsdata:y=10 20 5 9 102 10 8 30 61 20 7 10 4h=5 6 2 9;s=4 4 6 2 4;enddatamin=@sum(link:x*y);@for(xiao(j):@sum(chan(i):x(i,j))=s(j));@for(chan(i):@sum(xiao(j):x(i,j))<=h(i));运行结果及结果分析：Objective value: 90.00000产地1分别将数量为1、2的产品运往销地丙、丁；产地2分别将数量为4、2的产品运往销地甲、戊；产地3将数量为2的产品运往销地戊；产地4分别将数量为4、5的产品运往销地乙、丙；最小运费为90.<4>3.3（4）：程序代码：model:sets:xiao/1..5/:s;chan/1..5/:h;link(chan,xiao):x,y;endsetsdata:y=10 18 29 13 2213 10000 21 14 160 6 11 3 100009 11 23 18 1924 28 36 30 34;h=100 120 140 80 60;s=100 120 100 60 80;enddatamin=@sum(link:x*y);@for(xiao(j):@sum(chan(i):x(i,j))=s(j));@for(chan(i):@sum(xiao(j):x(i,j))<=h(i));运行结果及结果分析：Objective value: 5520.000产地1将数量为100的产品运往销地甲；产地2分别将数量为40、80的产品运往销地丙、戊；产地3分别将数量为的产品运往销地乙、丙、丁；产地4将数量为80的产品运往销地乙；产地5将数量为20的产品运往销地乙。

运筹学实例分析及lingo求解讲解

运筹学实例分析及lingo 求解一、线性规划某公司有6个仓库，库存货物总数分别为60、55、51、43、41、52，现有8个客户各要一批货，数量分别为35，37，22，32，41，32，43，38。

各供货仓库到8个客户处的单位货物运输价见表试确定各仓库到各客户处的货物调运数量，使总的运输费用最小。

解：设ijx 表示从第i 个仓库到第j 个客户的货物运量。

ij c表示从第i 个仓库到第j 个客户的单位货物运价，i a 表示第i 个仓库的最大供货量，j d 表示第j 个客户的订货量。

目标函数是使总运输费用最少，约束条件有三个：1、各仓库运出的货物总量不超过其库存数2、各客户收到的货物总量等于其订货数量3、非负约束数学模型为：∑∑===6181)(min i j ijij x c x f⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧≥===≤∑∑==08,,2,1,6,2,1,,..6181ij j i ij i j ij x j d x i a x t s 编程如下：model : Sets :Wh/w1..w6/:ai; Vd/v1..v8/:dj;links(wh,vd):c,x;endsetsData:ai=60,55,51,43,41,52;dj=35,37,22,32,41,32,43,38;c=6,2,6,7,4,2,5,94,9,5,3,8,5,8,25,2,1,9,7,4,3,37,6,7,3,9,2,7,12,3,9,5,7,2,6,55,5,2,2,8,1,4,3;EnddataMin=@sum(links(i,j):c(i,j)*x(i,j));@for(wh(i):@sum(vd(j):x(i,j))<=ai(i));@for(vd(j):@sum(wh(i):x(i,j))=dj(j));endGlobal optimal solution found.Objective value: 664.0000Total solver iterations: 0Variable Value Reduced Cost AI( W1) 60.00000 0.000000 AI( W2) 55.00000 0.000000 AI( W3) 51.00000 0.000000 AI( W4) 43.00000 0.000000 AI( W5) 41.00000 0.000000 AI( W6) 52.00000 0.000000 DJ( V1) 35.00000 0.000000 DJ( V2) 37.00000 0.000000 DJ( V3) 22.00000 0.000000 DJ( V4) 32.00000 0.000000 DJ( V5) 41.00000 0.000000 DJ( V6) 32.00000 0.000000 DJ( V7) 43.00000 0.000000 DJ( V8) 38.00000 0.000000 C( W1, V1) 6.000000 0.000000 C( W1, V2) 2.000000 0.000000 C( W1, V3) 6.000000 0.000000 C( W1, V4) 7.000000 0.000000 C( W1, V5) 4.000000 0.000000 C( W1, V6) 2.000000 0.000000 C( W1, V7) 5.000000 0.000000C( W2, V1) 4.000000 0.000000 C( W2, V2) 9.000000 0.000000 C( W2, V3) 5.000000 0.000000 C( W2, V4) 3.000000 0.000000 C( W2, V5) 8.000000 0.000000 C( W2, V6) 5.000000 0.000000 C( W2, V7) 8.000000 0.000000 C( W2, V8) 2.000000 0.000000 C( W3, V1) 5.000000 0.000000 C( W3, V2) 2.000000 0.000000 C( W3, V3) 1.000000 0.000000 C( W3, V4) 9.000000 0.000000 C( W3, V5) 7.000000 0.000000 C( W3, V6) 4.000000 0.000000 C( W3, V7) 3.000000 0.000000 C( W3, V8) 3.000000 0.000000 C( W4, V1) 7.000000 0.000000 C( W4, V2) 6.000000 0.000000 C( W4, V3) 7.000000 0.000000 C( W4, V4) 3.000000 0.000000 C( W4, V5) 9.000000 0.000000 C( W4, V6) 2.000000 0.000000 C( W4, V7) 7.000000 0.000000 C( W4, V8) 1.000000 0.000000 C( W5, V1) 2.000000 0.000000 C( W5, V2) 3.000000 0.000000 C( W5, V3) 9.000000 0.000000 C( W5, V4) 5.000000 0.000000 C( W5, V5) 7.000000 0.000000 C( W5, V6) 2.000000 0.000000 C( W5, V7) 6.000000 0.000000 C( W5, V8) 5.000000 0.000000 C( W6, V1) 5.000000 0.000000 C( W6, V2) 5.000000 0.000000 C( W6, V3) 2.000000 0.000000 C( W6, V4) 2.000000 0.000000 C( W6, V5) 8.000000 0.000000 C( W6, V6) 1.000000 0.000000 C( W6, V7) 4.000000 0.000000 C( W6, V8) 3.000000 0.000000 X( W1, V1) 0.000000 5.000000 X( W1, V2) 19.00000 0.000000 X( W1, V3) 0.000000 5.000000X( W1, V5) 41.00000 0.000000 X( W1, V6) 0.000000 2.000000 X( W1, V7) 0.000000 2.000000 X( W1, V8) 0.000000 10.00000 X( W2, V1) 1.000000 0.000000 X( W2, V2) 0.000000 4.000000 X( W2, V3) 0.000000 1.000000 X( W2, V4) 32.00000 0.000000 X( W2, V5) 0.000000 1.000000 X( W2, V6) 0.000000 2.000000 X( W2, V7) 0.000000 2.000000 X( W2, V8) 0.000000 0.000000 X( W3, V1) 0.000000 4.000000 X( W3, V2) 11.00000 0.000000 X( W3, V3) 0.000000 0.000000 X( W3, V4) 0.000000 9.000000 X( W3, V5) 0.000000 3.000000 X( W3, V6) 0.000000 4.000000 X( W3, V7) 40.00000 0.000000 X( W3, V8) 0.000000 4.000000 X( W4, V1) 0.000000 4.000000 X( W4, V2) 0.000000 2.000000 X( W4, V3) 0.000000 4.000000 X( W4, V4) 0.000000 1.000000 X( W4, V5) 0.000000 3.000000 X( W4, V6) 5.000000 0.000000 X( W4, V7) 0.000000 2.000000 X( W4, V8) 38.00000 0.000000 X( W5, V1) 34.00000 0.000000 X( W5, V2) 7.000000 0.000000 X( W5, V3) 0.000000 7.000000 X( W5, V4) 0.000000 4.000000 X( W5, V5) 0.000000 2.000000 X( W5, V6) 0.000000 1.000000 X( W5, V7) 0.000000 2.000000 X( W5, V8) 0.000000 5.000000 X( W6, V1) 0.000000 3.000000 X( W6, V2) 0.000000 2.000000 X( W6, V3) 22.00000 0.000000 X( W6, V4) 0.000000 1.000000 X( W6, V5) 0.000000 3.000000 X( W6, V6) 27.00000 0.000000 X( W6, V7) 3.000000 0.000000Row Slack or Surplus Dual Price 1 664.0000 -1.000000 2 0.000000 3.000000 3 22.00000 0.000000 4 0.000000 3.000000 5 0.000000 1.000000 6 0.000000 2.000000 7 0.000000 2.000000 8 0.000000 -4.000000 9 0.000000 -5.000000 10 0.000000 -4.000000 11 0.000000 -3.000000 12 0.000000 -7.000000 13 0.000000 -3.000000 14 0.000000 -6.000000 15 0.000000 -2.000000由以上结果可以清楚的看到由各仓库到各客户处的货物调运数量，由此得出的符合条件的最佳运货方案，而使运费最低，最低为664。

Lingo 求解运输问题


定义了三个集合，其中links在前两 输入程序 个集合warehouses 和vendors的基 础上定义 data: model: 表示集合 links中的元素就是集合 capacity=60 55 51 43 41 52; !6发点8收点运输问题; warehouses 和vendors demand=35 37 的元素组合 22 32 41 32 43 38; sets: cost=6 2 6 7 4 2 9 5 成的有序二元组，从数学上看 link warehouses/wh1..wh6/: capacity; 49和 53 8 5 8 2 的笛卡儿 是warehouses vendors vendors/v1..v8/: demand; 52197433 积，也就是说 links(warehouses,vendors): cost, volume; 76739271 links={ （ S |Swarehouses ， endsets 2， 3T 9） 57 265 !目标函数; 5 Tvendors} 5 2 2 8 1 4 3; min=@sum(links: cost*volume); enddatacost和volume也就是 因此，其属性 end !需求约束; 一个6*8 的矩阵（或者说是含有48 @for(vendors(J): 个元素的二维数组）。 @sum(warehouses(I): volume(I,J))=demand(J)); MATRIX LINGO 建模语言也称为矩阵生成器（ !产量约束; GENERATOR）。类似warehouses 和vendors直接把元素列举 @for(warehouses(I): 出来的集合，称为基本集合 (primary set),而把links这种基于其 @sum(vendors(J): volume(I,J))<=capacity(I)); 它集合而派生出来的二维或多维集合称为派生集合 (derived set)。 !这里是数据 ;

运输问题的数学模型及其LINGO求解

５１
，
ｍ其需求量 分别是 ｂ ｉ ， ｊ ＝ ｌ ， ２ ， …， ｎ ． 从Ａ 到 运 输单 位物
质 的运价 （ 单价 ） 为ｃ 若用 ％表示从 Ａ 到 马 的运量 ， 那 么产
表２
销 售 商 需 求
销平衡 的条件下 ， 要求得总运费最小的调运方案． 通 过对问题 的分析 ， 我们建立以下数学模型 ：
表示从仓库 ｉ 到销售 商 的成本 ， Ｄ ｅ ｍ ａ ｎ ｄ ｊ 表示第 个销 售商 的需求量 ， Ｃ ａ ｐ ａ ｃ ｉ ｔ ｙ ￣ 表示第 ｉ 个仓库 的货物量 ， 我们 要求 运输
成本最低 即要解决以下问题 ：
表示从仓库到销售商 运送 的商品数量 ， 表示从仓 库到销
售 商 的成 本 ， 表示第个 销售商 的需求 量 ， 表示第 个仓库 的货
１
２
表 １ 存 货数 据 货 物 量
４ ３
４ １
已知有 ｍ个 生产 基地 Ａ ｉ ＝ １ ， ２ ，… ， ｍ． 可供 应某 种物
质 ，其 供应量分别 为 ａ ／ ， ｉ ＝ １ ， ２ ，… ， ｍ有 ｎ个销 地 目， ｊ ＝ ｌ ， ２ ，
…
３ ４
５
６ ０ ５ ５
14variablevaluereducedcostvolumewh1v260000000000000volumewh1v537000000000000volumewh2v116000000000000volumewh2v315000000000000volumewh2v410000000000000volumewh3v328000000000000volumewh3v732000000000000volumewh4v4125000000000000volumefwh4v622000000000000volumewh5v125000000000000volumewh5v22601000000000从上述求解报告中可以看到该公司所需的最低运输费用为7005其中仓库l向销售商2运送6个单位的商品仓库1向销售商5运送37个单位的商品仓库2向销售商1运送16个单位的商品仓库2向销售商3运送15个单位的商品仓库2向销售商4运送10个单位的商品仓库3向销售商3运送28个单位的商品仓库3向销售商7运送32个单位的商品仓库4向销售商4运送25个单位的商品仓库4向销售商6运送22个单位的商品仓库5向销售商1运送25个单位的商品仓库5向销售商2运送26个单位的商品
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

一.实验目的
1、学会使用LINGO 软件求解运输问题的步骤与方法。

2、掌握使用LINGO 对运输问题的求解功能，并对结果进行分析。

二.实验内容
1.已知某企业有甲、乙、丙三个分厂生产一种产品，其产量分别为7、9、7个单位，需运往A 、B 、C 、D 四个门市部，各门市部需要量分别为3、5、7、8个单位。

已知单位运价如下表。

试确定运输计划使总运费最少。

2.现在要在五个工人中确定四个人来分别完成四项工作中的一项工作。

由于每个工人的技术特长不同，他们完成各项工作所需的工时也不同。

每个工人完成各项工作所需工时如下表所示，试找出一个工作分配方案，使总工时最小。

三. 模型建立
1.由题设知，总产量为：7+9+7=23个单位，总销量为：3+5+7+8=23个单位，所以这是一个产销平衡的运输问题。

设)4,3,2,1;3,2,1(==j i x ij 代表从第i 个产地运往第j 个销地的数量，z 为总运费。

i a 表示第i 个产地的产量，j b 表示第j 个销地的销量ij c 表示从第i 个产地运往第j 个销地的单位产
品运输费用。

则该问题的数学模型为：
3
4
1
1
4
13
1
max 0,1,2,3;1,2,3,4ij ij
i j ij i j ij j i ij Z c x x a x b x i j =====⎧=⎪⎪⎪=⎨⎪⎪≥==⎪⎩∑
∑
∑∑
2. 设0-1变量，1,0ij i x i ⎧=⎨⎩当第个人完成某j 项工作
，当第个人不完成某j 项工作
则该问题的数学模型为：
5
4
115
141
min 1,1,01ij ij
i j ij i ij j ij Z c x x j x i x i j =====⎧= =1,2,3,4⎪⎪⎪
= = 1,2,3,4,5⎨⎪⎪= =1,2,3,4,5;=1,2,3,4⎪⎩
∑∑∑∑或，
四. 模型求解（含经调试后正确的源程序）
1、编写程序1-1.m 如下：
model : sets :
warehouses/wh1..wh3/: capacity; vendors/v1..v4/: demand;
links(warehouses,vendors): cost, volume; endsets data :
capacity=7 9 7； demand=3 5 7 8； cost= 12 13 10 11 10 12 14 10 14 11 15 12； enddata
min =@sum (links(I,J): cost(I,J)*volume(I,J));
@for(vendors(J):
@sum(warehouses(I): volume(I,J))=demand(J));
@for(warehouses(I):
@sum(vendors(J): volume(I,J))<=capacity(I));
end
2、编写程序2-1.m如下：
model:
sets:
workers/w1..w5/;
jobs/j1..j4/;
links(workers,jobs): cost,volume;
Endsets
data:
cost=9 4 3 7
4 6
5 6
5 4 7 5
7 5 2 3
10 6 7 4;
enddata
min=@sum(links: cost*volume);
@for(workers(I): @sum(jobs(J): volume(I,J))<=1);
@for(jobs(J): @sum(workers(I): volume(I,J))=1);
@for(links(i,j): @bin(volume(i,j)));
End
五．结果分析
最优调运方案为：甲→C：7单位；甲→D：0单位；乙→A：3单位；
乙→D：6单位；丙→B：5单位；丙→D：2单位。

最少总运费为：239。

最优指派方案为：Ⅰ→C；Ⅱ→A；Ⅲ→B；Ⅳ→D。

最小总共时为：14。

六．实验总结。