用LINGO软件解决运输问题研究
摘要：运输问题是运筹学中常见问题。针对这种问题我们也曾学习过传统的方法，运输问题可以利用表上作业法来解决。当数据不多且复杂性地时，表上作业法比较好操作，但是现实中我们面对的问题往往数据更多且更为复杂。而lingo是针对运筹学问题的一个很好的软件应用。在此，简要的介绍lingo软件在运输问题上的运用，并给出相关例子供读者参考，以便能在遇到类似问题时更准确的解答。
关键词：lingo软件应用运输问题
一、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（lindo system inc.）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。
lingo 是使建立和求解线性、非线性和整数最佳化模型更快更简单更有效率的综合工具。lingo 提供强大的语言和快速的求解引擎来阐述和求解最佳化模型。
1. 简单的模型表示
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： ,6002100 350. .32min 21211 212 1≥≤+≥≥++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 5 4 9 5 3 8 5 8 2 5 2 1 9 7 4 3 3 7 6 7 3 9 2 7 1 2 3 9 5 7 2 6 5 5 5 2 2 8 1 4 3; enddata end 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。 §2 LINGO中的集 对实际问题建模的时候，总会遇到一群或多群相联系的对象，比如工厂、消费者群体、交通工具和雇工等等。LINGO允许把这些相联系的对象聚合成集（sets）。一旦把对象聚合成集，就可以利用集来最大限度的发挥LINGO建模语言的优势。 现在我们将深入介绍如何创建集，并用数据初始化集的属性。学完本节后，你对基于建模技术的集如何引入模型会有一个基本的理解。
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： ,6002100 350. .32min 21211 212 1≥≤+≥≥++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 5 4 9 5 3 8 5 8 2 5 2 1 9 7 4 3 3 7 6 7 3 9 2 7 1 2 3 9 5 7 2 6 5 5 5 2 2 8 1 4 3; enddata end 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。 §2 LINGO中的集 对实际问题建模的时候，总会遇到一群或多群相联系的对象，比如工厂、消费者群体、交通工具和雇工等等。LINGO允许把这些相联系的对象聚合成集（sets）。一旦把对象聚合成集，就可以利用集来最大限度的发挥LINGO建模语言的优势。 现在我们将深入介绍如何创建集，并用数据初始化集的属性。学完本节后，你对基于建模技术的集如何引入模型会有一个基本的理解。 2.1 为什么使用集 集是LINGO建模语言的基础，是程序设计最强有力的基本构件。借助于集，能够用一个
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
Lingo软件在求解数学优化问题的使用技巧 LINGO是一种专门用于求解数学规划问题的软件包。由于LINGO执行速度快，易于方便地输入、求解和分析数学规划问题，因此在教学、科研和工业界得到广泛应用。LINGO 主要用于求解线性规划、非线性规划、二次规划和整数规划等问题，也可以用于求解一些线性和非线性方程组及代数方程求根等。 LINGO的最新版本为LINGO7.0，但解密版通常为4.0和5.0版本，本书就以LINGO5.0为参照而编写。 1．LINGO编写格式 LINGO模型以MODEL开始，以END结束。中间为语句，分为四大部分（SECTION）：（1）集合部分（SETS）：这部分以“SETS：”开始，以“ENDSETS”结束。这部分的作用在于定义必要的变量，便于后面进行编程进行大规模计算，就象C语言在在程序的第一部分定义变量和数组一样。在LINGO中称为集合（SET）及其元素（MEMBER或ELEMENT，类似于数组的下标）和属性（A TTRIBUTE，类似于数组）。 LINGO中的集合有两类：一类是原始集合（PRIMITIVE SETS），其定义的格式为：SETNAME/member list（or 1..n）/：attribute,attribute,etc。 另一类是是导出集合（DERIVED SETS），即引用其它集合定义的集合，其定义的格式为： SETNAME（set1，set2，etc。）：attribute，attribute，etc。 如果要在程序中使用数组，就必须在该部分进行定义，否则可不需要该部分。（2）目标与约束：这部分定义了目标函数、约束条件等。一般要用到LINGO的内部函数，可在后面的具体应用中体会其功能与用法。求解优化问题时，该部分是必须的。（3）数据部分（DA TA）：这部分以“DA TA：”开始，以“END DA TA”结束。其作用在于对集合的属性（数组）输入必要的数值。格式为：attribut=value_list。该部分主要是方便数据的输入。 （4）初始化部分（INIT）：这部分以“INIT：”开始，以“END INIT”结束。作用在于对集合的属性（数组）定义初值。格式为：attribute=value_list。由于非线性规划求解时，通常得到的是局部最优解，而局部最优解受输入的初值影响。通常可改变初值来得到不同的解，从而发现更好的解。 编写LINGO程序要注意的几点： 1.所有的语句除SETS、ENDSETS、DA TA、ENDDA TA、INIT、ENDINIT和MODEL，END 之外必须以一个分号“；”结尾。 2.LINGO求解非线性规划时已约定各变量非负。 LINGO内部函数使用详解。 LINGO建立优化模型时可以引用大量的内部函数，这些函数以“@”符号打头。 （1）常用数学函数 @ABS(X) 返回变量X的绝对数值。 @COS( X) 返回X的余弦值，X的单位为弧度 @EXP( X)
例题1. 在lingo 中输入下列线性规划模型，并求解 ∑∈?=A j i j i x j i d z ),(),(),( min s.t. 1),1(≥∑∈V j j x , , },10,,2,1{,0),(x ,),(, 1,1),(V V A V V i i i j i x j j i x V i ?==∈=>=∑∈ 为非负实数 所有 的数值如下表：d d=0 8 5 9 12 14 12 16 17 22 8 0 9 15 16 8 11 18 14 22 5 9 0 7 9 11 7 12 12 17 9 15 7 0 3 17 10 7 15 15 12 16 9 3 0 8 10 6 15 15 14 8 11 17 8 0 9 14 8 16 12 11 7 10 10 9 0 8 6 11 16 18 12 7 6 14 8 0 11 11 17 14 12 15 15 8 6 11 0 10 22 22 17 15 15 16 11 11 10 0; 分析：这个模型输入的难点，在于变量的数量太多，足足有100个。约束条件也比较多，有没有什么方便的输入方法？下面介绍lingo 中集合的建立 新建lingo 文件 输入下面内容 model : sets : V/1..10/;!创建集合V; A(V,V):d,x;!创建集合A 是V 乘V.而d,x 是与A 同结构的，即d ，x 分别是10*10矩阵; endsets min =@sum (A(i,j):d(i,j)*x(i,j));!创建目标函数; @sum (V(j):x(1,j))>=1; !第一个约束条件; @for (V(j)|j#gt#1: !i#gt#1为逻辑判断语句表示i>1是返回真值,但这里不能直接写i>1,因为">"是关系运算符不是逻辑运算符; @sum (V(i):x(i,j))=1;); !利用循环函数表达：当i>1（即i 从2到10）时， {x(i,j):j=1..10}的和等于1;
LINGO 软件简介 LINGO 软件是一个处理优化问题的专门软件，它尤其擅长求解线性规划、非线性规划、整 数规划等问题。 一个简单示例 有如下一个混合非线性规划问题： ?????≥≤≤+++---+为整数 213 212 13213 2 2212121,;0,,210022..15023.027798max x x x x x x x x x x t s x x x x x x x 。 LINGO 程序（模型）： max =98*x1+277*x2-x1^*x1*x2-2*x2^2+150*x3; x1+2*x2+2*x3<=100; x1<=2*x2; @gin (x1);@gin (x2);! Lingo 默认变量非负 （注意：@bin(x)表示x 是0-1变量；@gin(x)表示x 是整数变量；@bnd(L,x,U)表示 限制LxU ；@free(x)表示取消对x 的符号限制，即可正、可负。） 结果： Global optimal solution found. Objective value: Extended solver steps: 0 Total solver iterations: 45 Variable Value Reduced Cost X1 X2 X3 Row Slack or Surplus Dual Price 1 2 3 ———————— 非常简单！ 在LINGO 中使用集合 为了方便地表示大规模的规划问题，减少模型、数据表示的复杂程度，LINGO 引进了“集合”的用法，实现了变量、系数的数组化（下标）表示。 例如：对?? ? ??? ? ==-++-==≤++∑=.,,;10)0(;4,3,2,1),()())()1()(;4,3,2,1,20)(..)} (20)(450)(400{min 4 ,3,2,1均非负INV OP RP INV I I DEM I OP I RP I INV I INV I I RP t s I INV I OP I RP I 求解程序： model : sets : mark/1,2,3,4/:dem,rp,op,inv;!也可以vmark/1..4/:dem,rp,op,inv;
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));
LINGO 软件及其应用 一、求解线性规划 例题1：目标函数：max z=2x1+3x2 约束条件：x1+2x2<=8 4x1<=17 4x2<=13 x1,x2>=0 输入语句： model: max=2*x1+3*x2; x1+2*x2<8; 4*x1<17; 4*x2<13; end 说明： 1）问题模型由MODEL：命令开始，END 结束，对简单模型可以省略。 2）目标函数必须由“min =”或“max =”开头。 3）分号是LINGO的分隔符。LINGO中的每一行都以分号结束，如果缺少，模型将无法求解。若一个命令或语句一行写不下，可以分多行写，但是，最后结束命令时，一定别忘了打个分号“；”，一行内也可写多个命令，只要每个用分号分开即可。 4）语句中乘号（*）不能省略，支持（）的输入。 5）LINGO中＜与＜＝均代表＜＝，＞与＞＝也均代表＞＝。 6）LINGO中的注解必须用感叹号“！”开始，用分号结束。在感叹号和分号之间的所有内容都将被LINGO忽略。注释可以占据多行，也可以插入LINGO 表达式之中。 7）LINGO的命令从来不区分大小写，当你在LINGO中定义变量时，每个变量都要以26个字母开始，后面可跟数字或者下划线，最多可以是32个字符。 8）软件默认决策变量是非负的。如果需要一个变量取负数、整数或一定范
围内的值，可以通过变量限定函数加以限制。 @bin(x) 限制x为0或1 @bnd(L,x,U) 限制L≤x≤U @free(x) 取消对变量x的默认下界为0的限制，即x可以取任意实数 @gin(x) 限制x为整数 在默认情况下，LINGO规定变量是非负的，也就是说下界为0，上界为+∞。@free取消了默认的下界为0的限制，使变量也可以取负值。@bnd用于设定一个变量的上下界,它也可以取消默认下界为0的约束。 求解结果如下： Global optimal solution found. Objective value: 14.12500 Total solver iterations: 1 Variable Value Reduced Cost X1 4.250000 0.000000 X2 1.875000 0.000000 Row Slack or Surplus Dual Price 1 14.12500 1.000000 2 0.000000 1.500000 3 0.000000 0.1250000 4 5.500000 0.000000 例题2 一奶制品加工厂用牛奶生产A 1,A 2 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A 1，或者在乙车间用8小时加工成4公斤A 2 。根据市 场需求，生产的A 1,A 2 全部能售出，且每公斤A 1 获利24元，每公斤A 2 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A 1 ，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？
LINGO 软件简介 LINGO 软件是一个处理优化问题的专门软件，它尤其擅长求解线性规划、非线性规划、整数规划等问题。 一个简单示例 有如下一个混合非线性规划问题： ?????≥≤≤+++---+为整数 213 212 13213 2 2212121,;0,,210022..15023.027798max x x x x x x x x x x t s x x x x x x x 。 LINGO 程序（模型）： max =98*x1+277*x2-x1^2-0.3*x1*x2-2*x2^2+150*x3; x1+2*x2+2*x3<=100; x1<=2*x2; @gin (x1);@gin (x2);! Lingo 默认变量非负 （注意：@bin(x)表示x 是0-1变量；@gin(x)表示x 是整数变量；@bnd(L,x,U)表示 限制L ≤x ≤U ；@free(x)表示取消对x 的符号限制，即可正、可负。） 结果： Global optimal solution found. Objective value: 9561.200 Extended solver steps: 0 Total solver iterations: 45 Variable Value Reduced Cost X1 6.000000 -76.70000 X2 31.00000 -151.2000 X3 16.00000 -150.0000 Row Slack or Surplus Dual Price 1 9561.200 1.000000 2 0.000000 0.000000 3 56.00000 0.000000 ———————— 非常简单！ 在LINGO 中使用集合 为了方便地表示大规模的规划问题，减少模型、数据表示的复杂程度，LINGO 引进了“集合”的用法，实现了变量、系数的数组化（下标）表示。
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; endsets data: y=3 7 6 4 2 4 3 2 4 3 8 5; h=5 2 3; s=3 3 2 2; enddata min=@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; endsets data: y=10 6 7 12 16 10 5 9 5 4 10 10; h=4 9 4; s=5 2 4 6; enddata min=@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; endsets data: y=10 20 5 9 10 2 10 8 30 6 1 20 7 10 4
用lingo解决运输问题 Lingo程序代码及运行结果（选取部分）： 程序代码： model: sets: xiao/1..4/:s; chan/1..3/:h; link(chan,xiao):x,y; endsets data: y=3 7 6 4 2 4 3 2 4 3 8 5; h=5 2 3; s=3 3 2 2; enddata min=@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. 程序代码： model: sets: xiao/1..4/:s; chan/1..3/:h; link(chan,xiao):x,y; endsets
data: y=10 6 7 12 16 10 5 9 5 4 10 10; h=4 9 4; s=5 2 4 6; enddata min=@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. 程序代码： model: sets: xiao/1..5/:s; chan/1..4/:h; link(chan,xiao):x,y; endsets data: y=10 20 5 9 10 2 10 8 30 6 1 20 7 10 4 8 6 3 7 5; h=5 6 2 9; s=4 4 6 2 4; enddata min=@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));
第十八章LINGO软件的使用 18.1 LINGO入门 18.1.1 LINGO软件的安装过程 点击LINGO9.0 for Windows安装文件，出现 点击“Next”按钮，出现 此时需要接受安装协议。系统安装时默认的目录是C:\LINGO9。安装完成前，会出现下图所示的对话框：
这个对话框询问你希望采用的默认的建模（即编程）语言，系统推荐的是采用LINGO语法，也就是选项“LINGO（recommended）”；你也可以选择“LINDO”将LINDO语法作为默认的设置。当然，安装后你也可以通过“LINGO｜Options｜File Format命令来修改默认的建模（即编程）语言。在上图中按下“OK”按钮，系统就会完成LINGO的安装过程。 18.1.2 LINGO基础知识 LINGO有两种命令格式：一种是常用的Windows模式，通过下拉式菜单命令驱动LINGO 运行，界面是图形式的，使用起来也比较方便；另一种是命令行（Command-Line）模式，仅在命令窗口（Command Window）下操作，通过输入行命令驱动LINGO运行。由于其使用字符方式输入，初学者往往不太容易掌握。在这里，我们主要介绍在菜单驱动模式下LINGO的使用方法。 LINGO 9.0软件比以前的版本有了很大的改进，功能大大增强，性能更加稳定，计算的结果更加可靠。LINGO软件不仅可用于求解非线性规划问题，还可以用以求解非线性整数规划问题；LINGO包含了内置的建模语言，模型中所需的数据可以以一定格式保存在独立的文件中；LINGO允许以简练、直观的方式描述较大规模的优化问题。 注：LIGDO公司目前已将LINDO软件从其产品中删除了。事实上，LINDO软件的所有功能（包括LINDO语法格式）都在LINGO中得到了支持。 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。状态行最左边显示的是“Ready”表示“准备就绪”；右下角显示的是当前时间，时间前面是当前光标的位置“Ln1,Col1”（即1行1列）。将来，用户可以用选项命令（LINGO｜Options菜单命令）决定是否需要显示工具栏和状态行。在LINGO 模型窗口中，选择菜单命令“File｜Open(F3)”，可以看到下图所示的标准的“打开文件”对话框，我们看到有各种不同的“文件类型”：
lingo软件使用教程 一般来说，一个优化模型将由以下三部分组成： 1. 目标函数（Objective Function）：要达到的目标。 2. 决策变量（Decision variables）：每组决策变量的值代表一种方案。在优化模型中需要确定决策变量的最优值，优化的目标就是找到决策变量的最优值使得目标函数取得最优。 3. 约束条件（Constraints）：对于决策变量的一些约束，它限定决策变量可以取的值。 在写数学模型时，一般第一行是目标函数，接下来是约束条件，再接着是一些非负限制等。在模型窗口输入如下代码: Max = 2*x1+3*x2; X1+2*x2<=8; 4*x1<16; 4*x2<12; 注意：1.每一个lingo表达式最后要跟一个分号; 2.多数电脑中没有符号，lingo中<=代替；为了方便可以用<代替小于等于，用>代替大于等于。 3.我们可以添加一些注释，增加程序的可读性。注释以一个！（叹号必须在英文状态下输入，它会自动变为绿色）开始，以；（分号）结束。 4．Lingo中不区分变量名的大小写。变量名必须以字母（A-Z）开头，后面的字符可以是字母、数字、下划线。变量名不能超过32个字符。 Lingo程序的一些规则： 1. 在Lingo中最开始都是“MAX=”或者“MIN=”开始表示求目标函数的最大或者最小值。 2. 变量和它前面的系数之间要用“*”连接，中间可以有空格。 3. 变量名不区分大小写，但必须以字母开始，不超过32个字符。 4. 数学表达式结束时要用分号“；”表示结束。表达式可以写在多行上，但是表达式中间不能用分号。 5. 在电脑系统中一般没有“小于等于”符号，在Lingo采用“<=”来表示“小于等于”，用“>=”表示“大于等于”。小于等于也可以用更简单的“<”表示，大于等于用“>”表示。 集合段： 在我们已经得到的程序里有一些量没有定义，如WAREHOUSES( I)，DEMAND( J)， LINKS( I, J)。这些量将在Lingo中的集合段定义。 集合段以SETS:表示开始，以ENDSETS表示结束。 如果一个集合的元素都已经定义过，就可以用一些循环函数（如@for）. 注：1. 集合的属性相当于以集合的元素为下标的数组。Lingo中没有数组的概念，只有定义在集合上的属性的概念。 2 集合的定义语法： set_name[/set_member/:][attribute_list]; 集合的名称在左边，右边是这个集合上的属性，他们之间用冒号“：”分割开，最后由分号表示结束。如果在同一个集合上有多个属性时，不同的属性之间用逗号“，”隔开，如本例的cost和volume属性。如果要特别列出集合的元素时，在集合的名称后把元素写在两条斜线之间，如本例中的仓库可以写为 WAREHOUSES/WH1, WH2, WH3, WH4, WH5, WH6/: CAPACITY;
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：应用LINGO软件求解运输问题 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： 指导教师：成绩：
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 m ax 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 1 1 5 14 1 m in 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));
第1讲Lingo软件入门 司守奎 烟台市，海军航空工程学院数学教研室 Email：sishoukui@https://www.doczj.com/doc/aa2230776.html, 1 Lingo软件的基本语法 1.1 集合 集合部分的语法为 sets: 集合名称1/成员列表1/：属性1_1，属性1_2，…，属性1_n1； 集合名称2/成员列表2/：属性2_1，属性2_2，…，属性2_n2； 派生集合名称（集合名称1，集合名称2）：属性3_1，…，属性3_n3； endsets 例26 sets: product/A B/; machine/M N/; week/1..2/; allowed(product,machine,week):x; endsets 1.2 数据 数据部分的语法为 data: 属性1=数据列表； 属性2=数据列表； enddata 1.3 计算 计算段部分不能含有变量，必须是已知数据的运算。 calc: b=0; a=a+1; endcalc 1.4 模型的目标函数和约束条件 这里就不具体给出了，下面通过具体例子给出。 1.5 子模型 在LINGO 9.0 及更早的版本中，在每个LINGO 模型窗口中只允许有一个优化模型，可以称为主模型（MAIN MODEL）。在LINGO 10.0 中，每个LINGO 模型窗口中除了主模型外，用户还可以定义子模型(SUBMODEL)。子模型可以在主模型的计算段中被调用，这就进一步增强了LINGO 的编程能力。 子模型必须包含在主模型之内，即必须位于以“MODEL:”开头、以“END”结束的模块内。同一个主模型中，允许定义多个子模型，所以每个子模型本身必须命名，其基本语法是： SUBMODEL mymodel: 可执行语句（约束+目标函数）; ENDSUBMODEL 其中mymodel 是该子模型的名字，可执行语句一般是一些约束语句，也可能包含目标函数，但不可以有自身单独的集合段、数据段、初始段和计算段。也就是说，同一个主模型内的变量都是全局变量，这些变量对主模型和所有子模型同样有效。 如果已经定义了子模型mymodel，则在计算段中可以用语句“@SOLVE( mymodel);”求解这个子模型。 2 Lingo函数 2.1 算术运算符
用线性规划方法求解运输问题 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.在经济管理、交通运输、工农业生产等经济活动中，提高经济效果是人们不可缺少的要求，而提高经济效果一般通过两种途径：一是技术方面的改进，例如改善生产工艺，使用新设备和新型原材料.二是生产组织与计划的改进，即合理安排人力物力资源.线性规划所研究的是：在一定条件下，合理安排人力物力等资源，使经济效果达到最好.一般地，求线性目标函数在线性约束条件下的最大值或最小值的问题，统称为线性规划问题。满足线性约束条件的解叫做可行解，由所有可行解组成的集合叫做可行域。决策变量、约束条件、目标函数是线性规划的三要素. 运输问题的提出及其数学模型：现在人们生产活动中，不可避免的要进行物资调运工作，如某时期内将生产基地的蔬菜，粮食等各类物资，分别运到需要这些物资的地区。如何根据各地的生产量和需求量及各地之间的运输费用，如何制定一个运输方案，使总的运输量费用最小，这类的问题称
为运输问题。假设有m 个产地，记为A 1、A 2….A m ,生产某种物资，可供应的产量分别为a 1,a 2….a m ,有n 个销地，记为B 1、B 2…B n ,其需求量分别为b 1、b 2…b n ,假设在供需平衡的情况下，即∑=m i ai 1=∑=n j bj 1 ，从第i 个产地到j 个销地的单位物资的运费为c ij ，在满足各地需求的前提下，求运费最小的方案。 设x ij （i=1、2…m,j=1、2…n ）为第i 个产地到第j 个销地的运量，则运输问题的数学模型为 Min Z = ∑=m i 1∑=n j cijxij 1
L I N G O软件简介 Document number：BGCG-0857-BTDO-0089-2022
LINGO 软件简介 LINGO 软件是一个处理优化问题的专门软件，它尤其擅长求解线性 规划、非线性规划、整数规划等问题。 一个简单示例 有如下一个混合非线性规划问题： ?????≥≤≤+++---+为整数 213 212 13213 2 2212121,;0,,210022..15023.027798max x x x x x x x x x x t s x x x x x x x 。 LINGO 程序（模型）： max =98*x1+277*x2-x1^2-0.3*x1*x2- 2*x2^2+150*x3; x1+2*x2+2*x3<=100; x1<=2*x2; @gin (x1);@gin (x2);! Lingo 默认变量非负 （注意：@bin(x)表示x 是0-1变量；@gin(x)表示x 是整数变量；@bnd(L,x,U)表示限制L?x?U ；@free(x)表示取消对x 的符号限制，即可正、可负。） 结果： Global optimal solution found. Objective value: 9561.200 Extended solver steps: 0 Total solver iterations: 45
Variable Value Reduced Cost X1 6.000000 -76.70000 X2 31.00000 -151.2000 X3 16.00000 -150.0000 Row Slack or Surplus Dual Price 1 9561.200 1.000000 2 0.000000 0.000000 3 56.00000 0.000000 ————————非常简单！ 在LINGO中使用集合 为了方便地表示大规模的规划问题，减少模型、数据表示的复杂程度，LINGO引进了“集合”的用法，实现了变量、系数的数组化（下标）表示。
产销不平衡的运输问题 产地B1 B2 B3 B4 B5 B6 B7 产量 A1 6 2 6 7 4 2 5 60 A2 4 9 5 3 8 5 8 55 A3 5 2 1 9 7 4 3 51 A4 7 6 7 3 9 2 7 43 A5 2 3 9 5 7 2 6 41 销量35 37 22 32 41 32 43 model: sets: supply/1..5/:produce;demand/1..7/:sell; link(supply,demand):cost,x;endsetsdata: cost=6 2 6 7 4 2 5 4 9 5 3 8 5 8 5 2 1 9 7 4 3 7 6 7 3 9 2 7 2 3 9 5 7 2 6; produce=60 55 51 43 41; sell=35 37 22 32 41 32 43; enddatamin=@sum(link:cost*x); @for(supply(i):@sum(demand(j):x(i,j))<=produce(i)); @for(demand(j):@sum(supply(i):x(i,j))=sell(j)); end Global optimal solution found. Objective value: 717.0000 Infeasibilities: 0.000000 Total solver iterations: 14 Model Class: LP Total variables: 35 Nonlinear variables: 0 Integer variables: 0 Total constraints: 13 Nonlinear constraints: 0 Total nonzeros: 105 Nonlinear nonzeros: 0