下载文档原格式
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。
用LINDO、LINGO 和WHAT'S BEST!解运筹学问题优化模型介绍实际问题中的优化模型Min/Max z=f(x), x=(x1,...,x n)Ts.t. g i(x)≤0,i=1,2,...,mx1,...,x n≥0其中x~决策变量，f(x)~目标函数，g i(x)≤0~约束条件数学规划分类：线性规划(LP)二次规划(QP)非线性规划(NLP)连续规划整数规划(IP)：0-1整数规划、一般整数规划、纯整数规划(PIP)、混合整数规划(MIP) LINDO 公司软件产品简要介绍美国芝加哥(Chicago)大学的Linus Schrage教授于1980年前后开发, 后来成立LINDO系统公司（LINDO Systems Inc.），网址：LINDO: Linear INteractive and Discrete Optimizer (V6.1)LINGO: Linear INteractive General Optimizer (V8.0)LINDO API: LINDO Application Programming Interface (V2.0)What’s Best!: (SpreadSheet e.g. EXCEL) (V7.0)演示(试用)版、学生版、高级版、超级版、工业版、扩展版… （求解问题规模和选件不同）LINDO和LINGO软件能求解的优化模型LIN D O：线性规划(LP)、二次规划(QP)LIN G O：线性规划(LP)、二次规划(QP)、非线性规划(NLP)建模时需要注意的几个问题1、尽量使用实数优化，减少整数约束和整数变量2、尽量使用光滑优化，减少非光滑约束的个数如：尽量少使用绝对值、符号函数、多个变量求最大/最小值、四舍五入、取整函数等3、尽量使用线性模型，减少非线性约束和非线性变量的个数（如x/y <5 改为x<5y）4、合理设定变量上下界，尽可能给出变量初始值5、模型中使用的参数数量级要适当(如小于103)LINDO使用简介例加工奶制品的生产计划1桶牛奶（经过12小时）产生3公斤奶制品A ，可获利24元/公斤或1桶牛奶（经过8小时）产生4公斤奶制品B ，可获利16元/公斤某天约束：50桶牛奶、时间480小时、至多加工100公斤A如何制定生产计划，使这一天获利最大？一些小问题如下：问1、35元可买到1桶牛奶，买吗？若买，这一天最多买多少?问2、可聘用临时工人，付出的工资最多是每小时几元?问3、奶制品A的获利增加到30元/公斤，是否应改变生产计划？解：决策变量用x桶牛奶生产A 用y桶牛奶生产B目标函数Max z=72 x + 64 y约束条件x+ y ≤50 (原料供应)12 x+ 8 y ≤480 (劳动时间)3 x ≤100 (加工能力,产量约束)x, y≥0 (非负约束)在LINDO输入窗中输入如下代码：max 72 x+64 yst2) x+y<503)12x+8y<4804) 3x<100end再点按求解命令即可得到优化结果(含灵敏度分析信息)LP OPTIMUM FOUND AT STEP 2OBJECTIVE FUNCTION V ALUE1) 3360.000VARIABLE V ALUE REDUCED COSTX 20.000000 0.000000Y 30.000000 0.00000020桶牛奶生产A, 30桶生产B，利润3360元。
§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。
LINGO基本教程(完整版)pdf一、教学内容本节课我们使用的教材是《LINGO基本教程》，我们将学习第14章的内容。
第1章介绍LINGO软件的基本操作，包括界面的熟悉、模型的建立等；第2章学习线性规划模型的建立与求解；第3章讲解非线性规划模型的建立与求解；第4章介绍整数规划模型的建立与求解。
二、教学目标1. 学生能够熟练操作LINGO软件，建立和求解线性、非线性以及整数规划模型。
2. 学生能够理解线性、非线性以及整数规划的基本概念，并能够运用到实际问题中。
3. 学生通过学习LINGO基本教程，提高自己的逻辑思维能力和解决实际问题的能力。
三、教学难点与重点重点：熟练操作LINGO软件，建立和求解线性、非线性以及整数规划模型。
难点：理解线性、非线性以及整数规划的基本概念，以及如何将这些概念运用到实际问题中。
四、教具与学具准备教具：多媒体教学设备、投影仪、计算机。
学具：学生计算机、LINGO软件、教材《LINGO基本教程》。
五、教学过程1. 实践情景引入：以一个简单的线性规划问题为切入点，引导学生思考如何利用LINGO软件求解。
2. 讲解教材内容：分别讲解第14章的内容，包括LINGO软件的基本操作、线性规划模型的建立与求解、非线性规划模型的建立与求解以及整数规划模型的建立与求解。
3. 例题讲解：针对每个章节的内容，选择合适的例题进行讲解，让学生通过例题理解并掌握相关知识点。
4. 随堂练习：在每个章节讲解结束后，安排随堂练习，让学生通过练习巩固所学知识。
5. 课堂互动：鼓励学生提问，解答学生在学习过程中遇到的问题。
6. 板书设计：每个章节的重要知识点和操作步骤进行板书设计，方便学生复习。
7. 作业布置：布置与本节课内容相关的作业，巩固所学知识。
六、作业设计1. 作业题目：最大化问题：目标函数：Z = 2x1 + 3x2约束条件：x1 + x2 ≤ 62x1 + x2 ≤ 8x1, x2 ≥ 0最大化问题：目标函数：Z = x1^2 + x2^2约束条件：x1 + x2 ≤ 5x1^2 + x2^2 ≤ 10x1, x2 ≥ 0最大化问题：目标函数：Z = 3x1 + 2x2约束条件：x1 + x2 ≤ 42x1 + x2 ≤ 6x1, x2 均为整数2. 答案：（1）线性规划问题的解为：x1 = 2, x2 = 4（2）非线性规划问题的解为：x1 = 3, x2 = 2（3）整数规划问题的解为：x1 = 2, x2 = 2七、板书设计1. 第1章：LINGO软件的基本操作（1）界面的熟悉（2）模型的建立2. 第2章：线性规划模型的建立与求解（1）目标函数的定义（2）约束条件的设置（3）求解线性规划问题3. 第3章：非线性规划模型的建立与求解（1）目标函数的定义（2）约束条件的设置（3）求解非线性规划问题4. 第4章：整数规划模型的建立与求解（1）目标函数的定义（2）约束条件的设置（3）求解整数规划问题八、课后反思及拓展延伸本节课通过实践情景引入，使学生能够快速融入学习状态。
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。
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：0,6002100350..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。
为了能够使用LINGO的强大功能，接着第二节的学习吧。
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：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: 3Objective value: 280.0000Variable Value Reduced CostDESKS 2.000000 0.000000TABLES 0.000000 5.000000CHAIRS 8.000000 0.000000Row Slack or Surplus Dual Price1 280.0000 1.0000002 24.00000 0.0000003 0.000000 10.000004 0.000000 10.000005 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, 相变动时, 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增加一个单位时目标函数减少的量( max型问题)。
应的 reduced cost值表示当某个变量Xj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Ranges in which the basis is unchanged:Objective Coefficient RangesCurrent Allowable AllowableVariable Coefficient Increase DecreaseDESKS 60.00000 0.0 0.0TABLES 30.00000 0.0 0.0CHAIRS 20.00000 0.0 0.0Righthand Side RangesRow Current Allowable AllowableRHS Increase Decrease2 48.00000 0.0 0.03 20.00000 0.0 0.04 8.000000 0.0 0.05 5.000000 0.0 0.0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，最优基保持不变。
对TABLES、CHAIRS变量，可以类似解释。
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）。
第2行约束中右端项（Right Hand Side，简写为RHS）原来为48，当它在[48-24，48+∞] = [24，∞]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。
灵敏性分析结果表示的是最优基保持不变的系数范围。
由此，也可以进一步确定当目标函数的费用系数和约束右端项发生小的变化时，最优基和最优解、最优值如何变化。
下面我们通过求解一个实际问题来进行说明。
例5.2一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？模型代码如下：max=72*x1+64*x2;x1+x2<=50;12*x1+8*x2<=480;3*x1<=100;求解这个模型并做灵敏性分析，结果如下。
Global optimal solution found at iteration: 0Objective value: 3360.000Variable Value Reduced CostX1 20.00000 0.000000X2 30.00000 0.000000Row Slack or Surplus Dual Price1 3360.000 1.0000002 0.000000 48.000003 0.000000 2.0000004 40.00000 0.000000Ranges in which the basis is unchanged:Objective Coefficient RangesCurrent Allowable Allowable Variable Coefficient Increase Decrease X1 72.00000 24.00000 8.000000 X2 64.00000 8.000000 16.00000 Righthand Side RangesRow Current Allowable Allowable RHS Increase Decrease2 50.00000 10.00000 6.6666673 480.0000 53.33333 80.000004 100.0000 INFINITY 40.00000结果告诉我们：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。
