lingo实验报告材料
LINGO软件学习入门实验报告
LINGO 实验报告一.实验目的1、熟悉LINGO 软件的使用方法、功能；2、学会用LINGO 软件求解一般的线性规划问题。
二.实验内容1、求解线性规划：12121212max z x 2x 2x 5x 12s.t.x 2x 8x ,x 0=++≥⎧⎪+≤⎨⎪≥⎩2、求解线性规划：12121212min z 20x 10x 5x 4x 24s.t.2x 5x 5x ,x 0=++≤⎧⎪+≥⎨⎪≥⎩3、假设现在一个计算机厂商要生产两种型号的PC ：标准型(standard)和增强型(turbo)，由于生产线和劳动力工作时间的约束，使得标准型PC 最多生产100台。
增强型PC 最多生产120台；一共耗时劳动力时间不能超过160小时。
已知每台标准型PC 可获利润$100，耗掉1小时劳动力工作时间；每台增强型PC 可获利润$150，耗掉2小时劳动力工作时间。
请问：该如何规划这两种计算机的生产量才能够使得最后获利最大？三. 模型建立1、求解线性规划：12121212max z x 2x 2x 5x 12s.t.x 2x 8x ,x 0=++≥⎧⎪+≤⎨⎪≥⎩2、求解线性规划：12121212min z 20x 10x 5x 4x 24s.t.2x 5x 5x ,x 0=++≤⎧⎪+≥⎨⎪≥⎩3、设生产标准型为1x 台；生产增强型2x 台，则可建立线性规划问题数学模型为12121212max z 100x 150x x 100x 120s.t.x 2x 160x ,x 0=+≤⎧⎪≤⎪⎨+≤⎪⎪≥⎩四. 模型求解（含经调试后正确的源程序）1、求解线性规划：model:max=x1+2*x2;2*x1+5*x2>12;x1+2*x2<8;end结果显示：2、求解线性规划：model:min=20*x1+10*x2;5*x1+4*x2<24;2*x1+5*x2>5;End结果显示：3、求解线性规划：model:mAX=100*x1+150*x2; x1+2*x2<160;x1<100;x2<120;end结果显示：五．结果分析对于第一题中我们得出最优解：x1=0;x2=4;最优值max=8;第二题中我们得出最优解：x1=0;x2=1;最优值min=10;第三题中我们得出最优解：x1=1000;x2=30;最优值max=14500;即：生产标准型100台，生产增强型30台时，使得最后获利达最大，为14500。
实验11 Lingo中数据的导入与导出
X( 1955, X4) 61465.00 0.000000
X( 1955, X5) 22328.00 0.000000
X( 1955, X6) 98.00000 0.000000
X( 1956, X1) 825.0000 0.000000
选择 使Q达到最小，即可求得财政收入的预测模型。
请用lingo求解 。要求：分别使用@file函数和@ole函数实现数据的导入，并将结果 用@text导出到result.txt文件中。
实验指导
1、文件输入输出函数
输入：@file('filename')
输出：@text('filename')
2、Lingo中的变量默认都是非负的，使用@free(x)可取消x的非负限制。
X( 1953, X5) 21364.00 0.000000
X( 1953, X6) 89.00000 0.000000
X( 1954, X1) 707.0000 0.000000
X( 1954, X2) 520.0000 0.000000
X( 1954, X3) 491.0000 0.000000
X( 1958, X5) 26600.00 0.000000
X( 1958, X6) 256.0000 0.000000
X( 1959, X1) 1114.000 0.000000
X( 1959, X2) 1681.000 0.000000
X( 1959, X3) 509.0000 0.000000
实验报告(11)
学生姓名
学号
指导老师
郑成勇
实验时间
运筹学实验报告lingo
二. 实验题目
1、求解线性规划：
max
z x 1 2x
2
2x 1 5x 2 12 s.t. x 1 2x 2 8 x , x 0 2 1
并对价值系数、右端常量进行灵敏度分析。
2、已知某工厂计划生产I，II，III三种产品，各 产品需要在A、B、C设备上加工，有关数据如下：
Allowable Decrease：允许减少量
Current RHS ：当前右边常数项
结论1：
该线性规划问题的最优解为：X*=(35,10,0)T 最优值为：z*=215
结论2：
c1＝5 c1在（4,8）内原最优解不变，但最优值是要变的 c2＝4 c2在（2.7,5）内原最优解不变，但最优值是要变的 c3＝3 c3在（-∞ ,7）内原最优解，最优值都是不变的 b1=45 b1在（40, 50）内原最优基不变，但最优解和最优值是要变的 b2=80 b2在（67.5, 90）内原最优基不变，但最优解和最优值是要变的 b3=90 b3在（65, ∞ ）内原最优基不变，但最优解和最优值是要变的
Row 1 2 3 4 Slack or Surplus 215.0000 0.000000 0.000000 25.00000 Dual Price 1.000000 3.000000 1.000000 0.000000
激活灵敏度计算功能
法一：打开command window，输入range；
法二：LINGO——options —— General Solver —Dual Computations——Prices & Ranges
LINGO
Outline
一.熟悉LINDO软件的灵敏度分析功能
lingo上机实验报告
lingo上机实验报告
一、实验目的
本实验的目的是通过使用 Lingo 软件学习并实践线性规划的基础知识，掌握 Lingo 软件的使用方法，以及掌握如何建立并求解线性规划问题。
二、实验内容
本次实验的内容主要包括以下几个部分：
1. Lingo 软件的安装及简单的使用操作。
2. 线性规划模型的建立与求解。
3. Lingo 软件在解决线性规划问题中的应用。
三、实验步骤
2. 运行 Lingo 软件后，打开一个新的工作表。
假设现有三种纸张，它们的价格分别为 10 元，15 元和 20 元。
在不超过 100 元的总预算下，现在需要购买这些纸张，使得纸张的总重量不少于 100 万克。
要求建立模型并求解。
4. 打开工具栏，分别输入模型所需的变量及约束条件，并设定好各个变量的范围。
5. 在“Lingo”界面上显示得到最优解。
6. 查看结果，进行分析。
四、实验结果
在 Lingo 软件中建立了一个线性规划模型，并成功求解。
将模型的结果输出，得到以下结果：
总共需要购买 25 万克的第一种纸张，50 万克的第二种纸张和 25 万克的第三种纸张。
总共花费 1100 元。
五、实验分析
本实验采用 Lingo 软件来完成线性规划问题的建立和求解。
在输入变量和约束条件后，Lingo 软件能够直观地展示出问题，并能够方便地求解出最佳解。
通过本实验，我们
可以看出 Lingo 软件在解决线性规划问题上的优势，它不仅简单易用，而且在速度上较为快捷，能够有效提高解决问题的效率。
lingo上机实验报告
lingo上机实验报告重庆交通大学学生实验报告实验课程名称专业综合实验Ⅰ开课实验室交通运输工程实验教学中心学院交通运输年级二年级专业班交通运输1班学生姓名学号631205020开课时间2013 至2014 学年第 2 学期总评成绩教师签名实验名称运筹学上机实验（一）实验类型上机实验实验时间2014.5.9—6.16 实验地点BO1机房实验目的：了解LINGO软件的基本入门知识，学习使用LINGO软件对线性规划问题进行灵敏度分析。
仪器、设备名称：LINGO9.0软件实验要求及注意事项：1.写出数学模型；2.在Lingo中输入求解的程序；3.求解得到解报告；4.写出最优解和最优值。
实验内容、操作步骤：一、数学模型：求解线性规划问题max=5*x1+4*x2+3*x3x1+x2+2*x3<=452*x1+x2+x3<=80 S.tx1+3*x2+x3<=90x1,x2,x3>=0并进行灵敏度分析。
二、模型求解：1、在lingo中输入模型如下：2、得出求解报告：（4）选择Dual Computation: Prices & Range；（5）点击OK退出；（6）在键盘上按下ctrl + R。
如图所示：2、灵敏度分析结果如下：Current coefficient—目标函数中变量系数Allowable Increase—允许增加量Allowable Decrease—允许减少量Current RHS—对偶问题系数实验结果分析（含数据、图表整理）：结论：（1）该线性规划问题的最优解为：X*=（35,10,0），最优值为Z*=215.(2) c1=5c1在（4,8）内原最优解不变，但最优值是要变的c2=4c2在（2.7，5）内原最优解不变，但最优值是要变的c3=3c3在（-∞，7）内原最优解，最优值都是不变的b1=45b1在（45,50）内原最优基不变，但最优解和最优值是要变的b2=80b2在（67.5,90）内原最优基不变，但最优解和最优值是要变的b3=90b3在（65,∞）内原最优基不变，但最优解和最优值是要变的实验收获、心得及建议：通过对lingo软件的学习和使用，使我初步掌握了用lingo求解最优问题和灵敏度分析的基本方法。
lingo实验报告
lingo实验报告以下是为大家整理的lingo实验报告的相关范文，本文关键词为lingo,实验,报告,实验,名称,推销员,指派,问题,目的，您可以从右上方搜索框检索更多相关文章，如果您觉得有用，请继续关注我们并推荐给您的好友，您可以在综合文库中查看更多范文。
一、实验名称：推销员指派问题二、实验目的及任务：1、掌握Lingo软件的使用方法2、编写简单的Lingo程序3、解决Lingo中的最优指派问题三、实验内容1、问题描述一个公司要分派5个推销员去5个地区推销某种产品，5个推销员在各个地区推销这种产品的预期利润如下表所示。
若每个推销员只能去一个地区。
应如何分派这5个推销员才能使公司的利润为最大？2、模型建立?1指派第i个人去第j个地区决策变量：设xij??（i,j=1,2,3,4,5）0不指派第i个人去第j个地区?目标函数：设总利润为z，第i 个人去第j个地区的利润为A（，iji,j=1,2,3,4,5）假设Aij为指派矩阵，则maxz???Aijxiji?1j?155约束条件：1.第j个地区只有一个人去：?xi?15ij?1（j=1,2,3,4,5）2.第i个人只去一个地区：?xj?15ij?1（i=1,2,3,4,5）由此得基本模型：maxz???Aijxiji?1j?155s,t,5?xi?15ij?1（j=1,2,3,4,5）?xj?1ij?1（i=1,2,3,4,5）xij?0或1（i,j=1,2,3,4,5）3、Lingo程序（一）常规程序Lingo输入：model:max=1*x11+8*x12+9*x13+2*x14+1*x15+5*x21+6*x22+3*x23+10*x24+ 7*x25+3*x31+10*x32+4*x33+11*x34+3*x35+7*x41+7*x42+5*x43+4*x4 4+8*x45+4*x51+2*x52+6*x53+3*x54+9*x55;x11+x12+x13+x14+x15=1;x 21+x22+x23+x24+x25=1;x31+x32+x33+x34+x35=1;x41+x42+x43+x44+x4 5=1;x51+x52+x53+x54+x55=1;x11+x21+x31+x41+x51=1;x12+x22+x32+x4 2+x52=1;x13+x23+x33+x43+x53=1;x14+x24+x34+x44+x54=1;x15+x25+x3 5+x45+x55=1;endLingo输出：globaloptimalsolutionfound.objectivevalue:45.00000Infeasibilities:0.000000Totalsolveriterations:8 VariableValueReducedcostx117.000000x120.000000x130.000000x140.0000000.0000001.0000000.0000007.000000x158.000000x214.000000 x223.000000 x237.000000 x240.000000 x253.000000 x317.000000 x320.000000 x337.000000 x340.000000 x358.000000 x410.000000 x420.000000 x433.000000 x444.000000 x450.000000 x514.000000 x520.0000000.0000000.0000000.0000001.0000000.0000000.0000001.0000 000.0000000.0000000.0000001.0000000.0000000.0000000.0000000.00 00000.0000000.0000006.000000x530.0000003.000000x540.0000006.000000x551.0000000.000000RowslackorsurplusDualprice11.00000029.000000310.00000411.0000058.00000069.0000007-1.0000008-1.00000090.000000100.000000110.000000（二）集合函数程序Lingo输入：model:sets:person/1..5/;area/1..5/;assign(person,area):A,x;endsetsdata:A=1,8,9,2,15,6,3,10,73,10,4,11,345.000000.0000000.0000000.0000000.0000000.0000000.0000000.0000 000.0000000.0000000.0000007,7,5,4,84,2,6,3,9;enddatamax=@sum(assign:A*x);@for(person(i):@sum(area(j):x(i,j))=1);@for(area(j):@sum(person(i):x(i,j) )=1);@for(assign(i,j):@bin(x(i,j)));endLingo输出：globaloptimalsolutionfound.objectivevalue:45.00000objectivebound:45.00000Infeasibilities:0.00000 0extendedsolversteps:0Totalsolveriterations:0VariablecostA(1,1)0.000000A(1,2)0.000000A(1,3)0.000000A(1,4)0.000000A(1,5)0.000000A(2,1)0.000000A(2,2)0.000000A(2,3)0.000000A(2,4)0.000000A(2,5)0.000000A(3,1)0.000000A(3,2)0.000000A(3,3)Reduced1.0000008.0000009.0000002.0000001.0000005.0000006. 0000003.00000010.000007.0000003.00000010.000004.000000 Value最后，小编希望文章对您有所帮助，如果有不周到的地方请多谅解，更多相关的文章正在创作中，希望您定期关注。
运筹学lingo实验报告
运筹学lingo实验报告
运筹学lingo实验报告
一、引言
实验目的
本次实验旨在探索运筹学lingo在解决实际问题中的应用，了解lingo的基本使用方法和解题思路。
实验背景
运筹学是一门研究决策和规划的学科，其能够帮助我们优化资源分配、解决最优化问题等。
lingo是一种常用的运筹学工具，具有强大的求解能力和用户友好的界面，被广泛应用于各个领域。
二、实验步骤
准备工作
•安装lingo软件并激活
•熟悉lingo界面和基本功能
确定问题
•选择一个运筹学问题作为实验对象，例如线性规划、整数规划、网络流等问题
•根据实际问题，使用lingo的建模语言描述问题，并设置变量、约束条件和目标函数
运行模型
•利用lingo的求解器，运行模型得到结果
结果分析
•分析模型求解结果的合理性和优劣，对于不符合要求的结果进行调整和优化
结论
•根据实验结果，总结lingo在解决该问题中的应用效果和局限性，对于其他类似问题的解决提出建议和改进方案
三、实验总结
实验收获
•通过本次实验，我熟悉了lingo软件的基本使用方法和建模语言，增加了运筹学领域的知识和实践经验。
实验不足
•由于时间和条件的限制，本次实验仅涉及了基本的lingo应用，对于一些复杂问题的解决还需要进一步学习和实践。
•在以后的学习中，我将继续深入研究lingo的高级功能和应用场景，以提升运筹学问题的求解能力。
以上就是本次实验的相关报告内容，通过实验的实践和总结，我对lingo在运筹学中的应用有了更深入的理解，为今后的学习和研究奠定了基础。
lingo实验报告
lingo实验报告Lingo实验报告引言：在当今全球化的时代，语言的学习和掌握对于个人和社会的发展起着至关重要的作用。
为了更好地理解和应用语言，人们不断探索和研究各种学习方法和工具。
本实验报告将介绍一种被广泛使用的语言学习应用程序——Lingo，并通过实验结果分析其效果和优势。
一、Lingo的背景和特点Lingo是一款基于智能手机的语言学习应用程序，它提供了多种语言学习功能和资源，旨在帮助用户提高语言能力。
与传统的语言学习方法相比，Lingo具有以下几个突出特点：1. 多样化的学习资源：Lingo提供了丰富的学习资源，包括词汇、语法、听力、口语和阅读等方面的练习材料。
用户可以根据自己的需求和兴趣选择不同的学习内容，以提高自己的语言技能。
2. 个性化学习计划：Lingo根据用户的语言水平和学习目标，为每个用户制定个性化的学习计划。
通过分析用户的学习进度和反馈，Lingo能够自动调整学习内容和难度，使学习过程更加高效和有针对性。
3. 互动学习体验：Lingo提供了各种互动学习方式，如语音识别和对话模拟等。
用户可以通过与应用程序进行对话和互动，提高自己的口语表达能力和听力理解能力。
二、实验设计和方法为了评估Lingo的效果和优势，我们进行了一项实验。
实验对象为一群初学者级别的英语学习者，他们被随机分为两组，一组使用Lingo进行语言学习，另一组使用传统的教材和课堂学习。
在实验期间，我们对两组学习者进行了多次测试，包括词汇测试、语法测试和听力测试等。
同时，我们还收集了学习者的学习反馈和满意度调查数据，以了解他们对Lingo的使用体验和效果评价。
三、实验结果分析通过对实验数据的分析，我们得出以下结论：1. 学习成绩提升：与传统学习方法相比，使用Lingo进行语言学习的学习者在词汇、语法和听力等方面的成绩有明显提升。
这表明Lingo在帮助学习者提高语言能力方面具有一定的优势。
2. 学习动力增强：使用Lingo的学习者普遍表现出更高的学习动力和积极性。
lingo编程实验报告
lingo编程实验报告Lingo编程实验报告一、引言编程是现代科技领域不可或缺的一项技能。
在信息时代，计算机程序的编写已经渗透到我们生活的方方面面。
为了掌握这一技能，我参加了一次关于Lingo 编程的实验。
本文将对这次实验进行报告和总结。
二、Lingo编程简介Lingo是一种用于创建交互式多媒体内容的编程语言。
它最初由Adobe公司开发，用于支持其多媒体软件Director。
Lingo具有易学易用的特点，广泛应用于游戏开发、教育软件和互动式网页等领域。
通过使用Lingo，我们可以实现图像、声音、动画等多媒体元素的交互和控制。
三、实验目标本次实验的目标是利用Lingo编写一个简单的互动式游戏。
通过这个实验，我们将学习如何使用Lingo语言来控制多媒体元素的行为和交互，加深对编程的理解和应用。
四、实验过程1. 环境搭建在开始实验之前，我们首先需要安装Director软件，并创建一个新的项目。
Director提供了一个直观的图形界面，让我们可以轻松地创建多媒体场景和元素。
2. 编写代码在Director的Lingo编辑器中，我们可以编写Lingo代码。
Lingo代码由一系列指令组成，用于控制多媒体元素的行为。
在这个实验中，我们使用了一些常用的Lingo指令，如on mouseUp、go to the frame等。
3. 创建游戏场景在实验中，我们创建了一个简单的游戏场景，包括一个角色和一些障碍物。
通过编写Lingo代码，我们可以控制角色的移动和障碍物的生成。
当角色与障碍物碰撞时，游戏结束。
4. 测试和调试完成代码编写后，我们对游戏进行了测试和调试。
通过不断地运行和调试代码，我们发现了一些问题并进行了修复。
这个过程不仅帮助我们找出错误，还加深了对Lingo语言的理解和掌握。
五、实验结果经过一段时间的努力，我们最终成功地完成了这个互动式游戏。
游戏中的角色可以通过鼠标控制移动，并且当角色与障碍物碰撞时，游戏会结束并显示得分。
Lingo上机作业(二)
例2.16
MODEL:
MAX=2*X1+X2;
5*X2<=15;
6*X1+2*X2<=24;
X1+X2<=5;
当x1=3.5,x2=1.5时取得最优解8.5
运筹学实验报告
实验课程:运筹学实验日期:任课教师:
班级：数学与应用数学二班姓名：林倩学号：2512150410
一、实验名称:线性规划模型的灵敏度分析
二、实验目的：
进一步掌握Lingo软件的基本功能。熟悉Lingo软件的灵敏度分析功能，增强自身的动手能力，提高实际应用能力
三、实验要求:
1、熟悉Lingo软件的用户环境，了解Lingo软件的一般命令
即从A1运往B1 50，A1运往B2 150，A2运往B1 100，A2运往B3 200时调用所用运费最小为2500.
总结和注意问题
1.要特别注意Lingo中数学模型的输入：
(1)max z→max,min z→min；
(2)每一行(包括目标函数)用英文的分号结束；
(3)数与变量的乘积用*表示；
(4)不等号≤和≥用<=和>=或<和>表示；
1、问每天生产多少甲、乙产品，可使利润最大？
设每天生产甲为x1,乙为x2.运筹学模型如下：
Lingo求解如下：
MODEL:
MAX=20*X1+30*X2;
X1<=60;
X2<=50;
X1+2*X2<=120;
解得当x1=60,x2=30时取得最优解为2100.即生产甲产品60，乙产品30时获利最大，最大利润为2100.
运筹学lingo实验报告(一)
运筹学lingo实验报告(一)运筹学lingo实验报告介绍•运筹学是一门研究在给定资源约束下优化决策的学科，广泛应用于管理、工程、金融等领域。
•LINGO是一种常用的运筹学建模和求解软件，具有丰富的功能和高效的求解算法。
实验目的•了解运筹学的基本原理和应用。
•掌握LINGO软件的使用方法。
•运用LINGO进行优化建模和求解实际问题。
实验内容1.使用LINGO进行线性规划的建模和求解。
2.使用LINGO进行整数规划的建模和求解。
3.使用LINGO进行非线性规划的建模和求解。
4.使用LINGO进行多目标规划的建模和求解。
实验步骤1. 线性规划•确定决策变量、目标函数和约束条件。
•使用LINGO进行建模，设定目标函数和约束条件。
•运行LINGO求解线性规划问题。
2. 整数规划•在线性规划的基础上，将决策变量的取值限制为整数。
•使用LINGO进行整数规划的建模和求解。
3. 非线性规划•确定决策变量、目标函数和约束条件。
•使用LINGO进行非线性规划的建模和求解。
4. 多目标规划•确定多个目标函数和相应的权重。
•使用LINGO进行多目标规划的建模和求解。
实验结果•列举各个实验的结果，包括最优解、最优目标函数值等。
结论•运筹学lingo实验是一种有效的学习运筹学和应用LINGO的方法。
•通过本实验能够提高对运筹学概念和方法的理解，并掌握运用LINGO进行优化建模和求解的技能。
讨论与建议•实验过程中是否遇到困难或问题，可以进行讨论和解决。
•提出对于实验内容或方法的建议和改进方案。
参考资料•提供参考书目、文献、教材、网站等资料，以便学生深入学习和研究。
致谢•对与实验指导、帮助或支持的人员表示感谢，如老师、助教或同学等。
以上为运筹学lingo实验报告的基本框架，根据实际情况进行适当调整和补充。
实验报告应简洁明了，清晰表达实验目的、内容、步骤、结果和结论，同时可以加入必要的讨论和建议，以及参考资料和致谢等信息。
目标规划实验报告lingo
目标规划实验报告lingo实验目的本次实验运用目标规划（Goal Programming）方法解决一个复杂的决策问题。
通过实践应用目标规划模型，可以深入了解该方法的原理和应用场景，并掌握运用LINGO软件求解目标规划模型的技巧。
实验背景目标规划是一种多目标优化方法，通过为每个目标设置上下界限来考虑多个目标之间的权衡和优先级。
该方法在实际决策问题中被广泛应用，如生产调度、资源分配等。
在本次实验中，我们将尝试运用目标规划方法解决一个供应链优化问题。
实验步骤1. 定义决策变量与目标函数首先，我们定义了一组决策变量，包括供应商的订单量、转运中心的运输量以及销售网点的销售量。
然后，我们针对不同的供应链环节和目标，建立了几个目标函数，如最小化总成本、最大化客户满意度等。
2. 设置目标上下界限根据供应链管理的实际情况，我们为每个目标函数设置了上下界限。
例如，总成本的上界可以是一个预算限制，客户满意度的下界可以是一个最低满意度指标。
3. 构建目标规划模型根据定义的决策变量和目标函数，我们构建了一个目标规划模型。
该模型包括了决策变量的约束条件、目标函数的上下界限制等。
4. 利用LINGO软件求解模型使用LINGO软件，我们输入了目标规划模型，并设置了初始数值。
然后运行LINGO软件，对目标规划模型进行求解。
5. 分析与调整模型根据LINGO软件的求解结果，我们对模型的结果进行了分析。
如果目标无法完全实现或者有其他问题，我们需要调整模型的上下界限、决策变量的限制条件等。
6. 进行灵敏度分析为了进一步了解目标规划模型的稳定性和可靠性，我们进行了灵敏度分析。
通过逐步调整目标函数的上下界限，我们观察模型结果的变化，并判断模型的鲁棒性和可操作性。
实验结果与讨论通过LINGO软件的求解，我们得到了供应链优化问题的最优解。
根据模型的目标函数和约束条件，我们可以评估供应链在不同目标下的表现，从而为决策者提供多个可选方案。
在实验的过程中，我们发现目标规划方法对于多目标问题的处理非常有效。
lingo实验报告
一、实验名称：推销员指派问题二、实验目的及任务：1、掌握Lingo 软件的使用方法2、编写简单的Lingo 程序3、解决Lingo 中的最优指派问题三、实验内容1、问题描述一个公司要分派5个推销员去5个地区推销某种产品，5个推销员在各个地区推销这种产品的预期利润如下表所示。
若每个推销员只能去一个地区。
应如何分派这5个推销员才能使公司的利润为最大？2、模型建立决策变量：设⎩⎨⎧=个地区个人去第不指派第个地区个人去第指派第j i 0j i 1ij x （i,j=1,2,3,4,5） 目标函数：设总利润为z ，第i 个人去第j 个地区的利润为A ij （i,j=1,2,3,4,5），假设A ij 为指派矩阵，则Max ∑∑===5151i j ij ij x A z约束条件：1.第j 个地区只有一个人去：151=∑=i ij x（j=1,2,3,4,5）2.第i 个人只去一个地区：151=∑=j ij x（i=1,2,3,4,5）由此得基本模型：Max ∑∑===5151i j ij ij x A zS,t,151=∑=i ij x （j=1,2,3,4,5） 151=∑=j ij x（i=1,2,3,4,5）10或=ij x （i,j=1,2,3,4,5）3、Lingo 程序（一）常规程序Lingo 输入：model :max =1*x11+8*x12+9*x13+2*x14+1*x15+5*x21+6*x22+3*x23+10*x24+7*x25+3*x31+10*x32+4*x33+11*x34+3*x35+7*x41+7*x42+5*x43+4*x44+8*x45+4*x 51+2*x52+6*x53+3*x54+9*x55;x11+x12+x13+x14+x15=1;x21+x22+x23+x24+x25=1;x31+x32+x33+x34+x35=1;x41+x42+x43+x44+x45=1;x51+x52+x53+x54+x55=1;x11+x21+x31+x41+x51=1;x12+x22+x32+x42+x52=1;x13+x23+x33+x43+x53=1;x14+x24+x34+x44+x54=1;x15+x25+x35+x45+x55=1;endLingo 输出：Global optimal solution found.Objective value: 45.00000 Infeasibilities: 0.000000 Total solver iterations: 8Variable Value Reduced。
用lingo求解LP,ILP问题实验报告(一)
桂林理工大学理学院运筹学上机报告实验一实验名称用lingo求解LP，ILP问题实验时间2012年月日姓名班级会计09-1班学号成绩一、实验目的二、实验内容与步骤三、实验程序四、实验结果五、实验结果的分析六、实验出现的问题一、实验目的学会用lingo求解LP，ILP问题二、实验内容与步骤进一步熟悉基解的概念；掌握变量定界函数；能够利用lingo求解LP，ILP问题。
三、实验程序（LP1）model:title会计09-1班;max = -3*x1 - x2 + 5*x3 + 2*x4;x1+5*x2+2*x3-x4<2;2*x1-x2+4*x3+3*x4<5;6*x1+2*x2+x3+3*x4<3;End（LP2）model:title会计09-1班3090825;min = x1 - 3*x2 - 2*x3;3*x1-x2+2*x3<7;-2*x1+4*x2<12;4*x1+3*x2+8*x3<10;end（LP3）model:title会计09-1班3090825;min = 2*x1 + 3*x2 + x3;x1+4*x2+2*x3>8;3*x1+2*x3>6;x1+8*x2+x3>18;end（LP4）model:title会计09-1班309082511;max = 3*x1 + 4*x2;3*x1+4*x2<8;x2<6;@free(x1);end四、实验结果（LP1）Global optimal solution found.Objective value: 5.900000Infeasibilities: 0.000000Total solver iterations: 3Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 0.000000 5.500000 X2 0.000000 3.600000 X3 1.100000 0.000000 X4 0.2000000 0.000000Row Slack or Surplus Dual Price1 5.900000 1.0000002 0.000000 0.70000003 0.000000 0.90000004 1.300000 0.000000（LP2） Global optimal solution found. Objective value: -9.250000 Infeasibilities: 0.000000 Total solver iterations: 2Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 0.000000 0.8750000 X2 3.000000 0.000000 X3 0.1250000 0.000000Row Slack or Surplus Dual Price1 -9.250000 -1.0000002 9.750000 0.0000003 0.000000 0.56250004 0.000000 0.2500000（LP3） Global optimal solution found. Objective value: 8.625000 Infeasibilities: 0.000000 Total solver iterations: 2Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 0.000000 0.6875000 X2 1.875000 0.000000 X3 3.000000 0.000000Row Slack or Surplus Dual Price1 8.625000 -1.0000002 5.500000 0.0000003 0.000000 -0.31250004 0.000000 -0.3750000 （LP4） Global optimal solution found. Objective value: 8.000000 Infeasibilities: 0.000000 Total solver iterations: 0Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 2.666667 0.000000 X2 0.000000 0.000000Row Slack or Surplus Dual Price1 8.000000 1.0000002 0.000000 1.0000003 6.000000 0.000000（ILP5） Global optimal solution found. Objective value: -3.000000 Objective bound: -3.000000 Infeasibilities: 0.000000 Extended solver steps: 0 Total solver iterations: 0Model Title: 会计09-1班30908251Variable Value Reduced Cost X1 2.000000 -1.000000 X2 1.000000 -1.000000Row Slack or Surplus Dual Price1 -3.000000 -1.0000002 5.000000 0.0000003 1.000000 0.0000004 1.000000 0.000000（ILP6） Global optimal solution found. Objective value: 2.000000 Objective bound: 2.000000 Infeasibilities: 0.000000 Extended solver steps: 0 Total solver iterations: 0Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 0.000000 4.000000 X2 0.000000 3.000000 X3 1.000000 2.000000Row Slack or Surplus Dual Price1 2.000000 -1.0000002 1.000000 0.0000003 0.000000 0.0000004 0.000000 0.000000（ILP7） Global optimal solution found.Objective value: 85.00000 Objective bound: 85.00000 Infeasibilities: 0.000000 Extended solver steps: 0 Total solver iterations: 2Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 3.000000 -15.00000X2 2.000000 -20.00000Row Slack or Surplus Dual Price1 85.00000 1.0000002 1.000000 0.0000003 1.000000 0.000000五、实验结果的分析六、实验出现的问题运用lingo求解可从Global Opt知7个问题得到的都是全局最优解。
LINGO实验报告
LINGO实验报告第一章 LINGO概述LINGO软件是一个利用线性和非线性最优化方法将复杂的大型规划问题转化为简明公式的工具，它可以建立，求解最优化模型并分析所得结果。
一般说来，一个最优化模型由三个部分构成：目标函数、变量和约束条件。
在建立目标函数并把它转化为lingo语言时需要注意：lingo模型中的每一行必须以分号结束，否则，模型将无法求解；注释部分以感叹号开始，以分号结束，其可以占用多行，也可以插入到其他的lingo表达式中；lingo并不区分变量中字母大小写，但是最好从头至尾使用一种字体。
Lingo最强大的功能之一就是它的数学模型语言，lingo模型语言与标准的数学符号十分相似，用它描述问题特别自然。
Lingo模型语言的另一个便捷功能是数据功能。
数据功能使模型的数据和相应的表达式分离，Lingo可以从电子表格、数据库和文本文件中导入数据。
此外，Lingo允许在模型中对约束条件进行命名，这样使得报告便于阅读，还有lingo 的很多错误信息都通过名字指向约束。
如果不对约束命名，要找出产生错误的源头将很困难。
命名约束条件十分简单，只要在一个约束开始处插入一个用方括号括起来的名字即可。
如命名模型的目标为OBJECTIVE：[OBJECTIVE]min=x.下面以一个简单的例子说明lingo模型的应用。
假设Compuquick公司生产Standard和Turbo两种类型的电脑，并且每出售一台Standard 电脑能够获利100美元，而出售一台Turbo电脑获利150美元。
Standard和Turbo电脑生产线的生产能力分别为100台/天和120台/天。
Compuquick公司所有工人每天所能提供的劳动时间是160小时。
每生产一台Standard电脑需要一个工时，而每生产一台Turbo电脑需要两个工时。
在不超过生产能力和劳动力限制的条件下，如何安排Standard和Turbo两种电脑的生产使得公司利润最大。
运筹学实验资料报告材料-lingo软件地使用-习题代码
运筹学实验报告姓名：学号：班级：相关问题说明：一、实验性质和教学目的本实验是运筹学课安排的上机操作实验。
目的在于了解、熟悉计算机Lingo软件在运筹学模型求解中的作用，激发学习兴趣，提高学习效果，增强自身的动手能力，提高实际应用能力。
二、实验基本要求要求学生：1. 实验前认真做好理论准备，仔细阅读实验指导书；2. 遵从教师指导，认真完成实验任务，按时按质提交实验报告。
三、主要参考资料1．LINGO软件2. LINGO8.0及其在环境系统优化中的应用，大学，20053. 优化建模与LINDO/LINGO软件，清华大学，20054．运筹学编写组主编，运筹学（修订版），清华大学，19905．蓝伯雄主编，管理数学（下）—运筹学，清华大学，19976．胡运权主编，运筹学习题集（修订版），清华大学，19957．胡运权主编，运筹学教程（第二版），清华大学，2003实验容1、线性规划问题：⎪⎪⎩⎪⎪⎨⎧≥≤+≤+≤++=0,13119241171289..68max 2121212121x x x x x x x x t s x x z (1) 给出原始代码；(2) 计算结果(包括灵敏度分析，求解结果粘贴)；(3) 回答下列问题(手写)：a ) 最优解及最优目标函数值是多少；b ) 资源的对偶价格各为多少，并说明对偶价格的含义；c ) 为了使目标函数值增加最多，让你选择一个约束条件，将它的常数项增加一个单位，你将选择哪一个约束条件？这时目标函数值将是多少？d ) 对x 2的目标函数系数进行灵敏度分析；e ) 对第2个约束的约束右端项进行灵敏度分析；f ) 结合本题的结果解释“Reduced Cost ”的含义。
对偶价格就是说 约束方程右端变量增加1对目标函数值的影响答案：（1）代码max =8*x1+6*x2;9*x1+8*x2<=12;7*x1+11*x2<=24;9*x1+11*x2<=13;x1>=0;x2>=0;（2）计算结果Global optimal solution found.Objective value: 10.66667Total solver iterations: 2Variable Value Reduced Cost X1 1.333333 0.000000 X2 0.000000 1.111111Row Slack or Surplus Dual Price 1 10.66667 1.000000 2 0.000000 0.8888889 3 14.66667 0.000000 4 1.000000 0.000000 5 1.333333 0.000000Ranges in which the basis is unchanged:Objective Coefficient RangesCurrent Allowable Allowable Variable Coefficient Increase Decrease X1 8.000000 INFINITY 1.250000 X2 6.000000 1.111111 INFINITYRighthand Side RangesRow Current Allowable Allowable RHS Increase Decrease 2 12.00000 1.000000 12.00000 3 24.00000 INFINITY 14.66667 4 13.00000 INFINITY 1.000000 5 0.0 1.333333 INFINITY 6 0.0 0.0 INFINITY(3)a)b)c)d)e)f)2、运输问题：(1) 给出原始代码；(2) 计算结果(决策变量求解结果粘贴)Min Z = Cij Xij∑=61i Xij <=bj （j=1...8） 销量约束∑∑==6181i j∑=81j Xij = ai （i=1...6） 产量约束Xij ≥ 0（i=1...6；j=1...8）代码：model :!6发点8 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;endsetsmin =sum (links: cost*volume); !目标函数;for (vendors(J):sum (warehouses(I): volume(I,J))<=demand(J)); !需求约束;for (warehouses(I):sum (vendors(J): volume(I,J))=capacity(I)); !产量约束;!这里是数据;data :capacity=55 47 42 52 41 32;demand=60 55 51 43 41 52 43 38;cost=6 2 9 7 4 2 5 94 5 5 3 8 5 3 25 2 1 3 7 4 8 37 6 7 9 9 2 7 12 3 6 5 7 2 6 55 9 2 2 8 1 4 3;enddataend答案Global optimal solution found.Objective value: 473.0000Infeasibilities: 0.000000Total solver iterations: 9Model Class: LPTotal variables: 48Nonlinear variables: 0Total constraints: 15Nonlinear constraints: 0Total nonzeros: 144Nonlinear nonzeros: 0Variable Value Reduced Cost CAPACITY( WH1) 55.00000 0.000000 CAPACITY( WH2) 47.00000 0.000000 CAPACITY( WH3) 42.00000 0.000000 CAPACITY( WH4) 52.00000 0.000000 CAPACITY( WH5) 41.00000 0.000000 CAPACITY( WH6) 32.00000 0.000000 DEMAND( V1) 60.00000 0.000000 DEMAND( V2) 55.00000 0.000000 DEMAND( V3) 51.00000 0.000000 DEMAND( V4) 43.00000 0.000000 DEMAND( V5) 41.00000 0.000000 DEMAND( V6) 52.00000 0.000000 DEMAND( V7) 43.00000 0.000000 DEMAND( V8) 38.00000 0.000000 COST( WH1, V1) 6.000000 0.000000 COST( WH1, V2) 2.000000 0.000000 COST( WH1, V3) 9.000000 0.000000 COST( WH1, V4) 7.000000 0.000000 COST( WH1, V5) 4.000000 0.000000 COST( WH1, V6) 2.000000 0.000000 COST( WH1, V7) 5.000000 0.000000 COST( WH1, V8) 9.000000 0.000000 COST( WH2, V1) 4.000000 0.000000 COST( WH2, V2) 5.000000 0.000000 COST( WH2, V3) 5.000000 0.000000 COST( WH2, V4) 3.000000 0.000000 COST( WH2, V5) 8.000000 0.000000 COST( WH2, V6) 5.000000 0.000000 COST( WH2, V7) 3.000000 0.000000 COST( WH2, V8) 2.000000 0.000000 COST( WH3, V1) 5.000000 0.000000 COST( WH3, V2) 2.000000 0.000000 COST( WH3, V3) 1.000000 0.000000 COST( WH3, V4) 3.000000 0.000000 COST( WH3, V5) 7.000000 0.000000 COST( WH3, V6) 4.000000 0.000000COST( WH4, V1) 7.000000 0.000000 COST( WH4, V2) 6.000000 0.000000 COST( WH4, V3) 7.000000 0.000000 COST( WH4, V4) 9.000000 0.000000 COST( WH4, V5) 9.000000 0.000000 COST( WH4, V6) 2.000000 0.000000 COST( WH4, V7) 7.000000 0.000000 COST( WH4, V8) 1.000000 0.000000 COST( WH5, V1) 2.000000 0.000000 COST( WH5, V2) 3.000000 0.000000 COST( WH5, V3) 6.000000 0.000000 COST( WH5, V4) 5.000000 0.000000 COST( WH5, V5) 7.000000 0.000000 COST( WH5, V6) 2.000000 0.000000 COST( WH5, V7) 6.000000 0.000000 COST( WH5, V8) 5.000000 0.000000 COST( WH6, V1) 5.000000 0.000000 COST( WH6, V2) 9.000000 0.000000 COST( WH6, V3) 2.000000 0.000000 COST( WH6, V4) 2.000000 0.000000 COST( WH6, V5) 8.000000 0.000000 COST( WH6, V6) 1.000000 0.000000 COST( WH6, V7) 4.000000 0.000000 COST( WH6, V8) 3.000000 0.000000 VOLUME( WH1, V1) 0.000000 4.000000 VOLUME( WH1, V2) 55.00000 0.000000 VOLUME( WH1, V3) 0.000000 7.000000 VOLUME( WH1, V4) 0.000000 5.000000 VOLUME( WH1, V5) 0.000000 2.000000 VOLUME( WH1, V6) 0.000000 0.000000 VOLUME( WH1, V7) 0.000000 3.000000 VOLUME( WH1, V8) 0.000000 8.000000 VOLUME( WH2, V1) 0.000000 1.000000 VOLUME( WH2, V2) 0.000000 2.000000 VOLUME( WH2, V3) 0.000000 2.000000 VOLUME( WH2, V4) 43.00000 0.000000 VOLUME( WH2, V5) 0.000000 5.000000 VOLUME( WH2, V6) 0.000000 2.000000 VOLUME( WH2, V7) 4.000000 0.000000 VOLUME( WH2, V8) 0.000000 0.000000 VOLUME( WH3, V1) 0.000000 4.000000 VOLUME( WH3, V2) 0.000000 1.000000 VOLUME( WH3, V3) 42.00000 0.000000VOLUME( WH3, V6) 0.000000 3.000000 VOLUME( WH3, V7) 0.000000 7.000000 VOLUME( WH3, V8) 0.000000 3.000000 VOLUME( WH4, V1) 0.000000 5.000000 VOLUME( WH4, V2) 0.000000 4.000000 VOLUME( WH4, V3) 0.000000 5.000000 VOLUME( WH4, V4) 0.000000 7.000000 VOLUME( WH4, V5) 0.000000 7.000000 VOLUME( WH4, V6) 14.00000 0.000000 VOLUME( WH4, V7) 0.000000 5.000000 VOLUME( WH4, V8) 38.00000 0.000000 VOLUME( WH5, V1) 41.00000 0.000000 VOLUME( WH5, V2) 0.000000 1.000000 VOLUME( WH5, V3) 0.000000 4.000000 VOLUME( WH5, V4) 0.000000 3.000000 VOLUME( WH5, V5) 0.000000 5.000000 VOLUME( WH5, V6) 0.000000 0.000000 VOLUME( WH5, V7) 0.000000 4.000000 VOLUME( WH5, V8) 0.000000 4.000000 VOLUME( WH6, V1) 0.000000 4.000000 VOLUME( WH6, V2) 0.000000 8.000000 VOLUME( WH6, V3) 0.000000 1.000000 VOLUME( WH6, V4) 0.000000 1.000000 VOLUME( WH6, V5) 0.000000 7.000000 VOLUME( WH6, V6) 32.00000 0.000000 VOLUME( WH6, V7) 0.000000 3.000000 VOLUME( WH6, V8) 0.000000 3.000000Row Slack or Surplus Dual Price1 473.0000 -1.0000002 19.00000 0.0000003 0.000000 0.0000004 9.000000 0.0000005 0.000000 0.0000006 41.00000 0.0000007 6.000000 0.0000008 39.00000 0.0000009 0.000000 1.00000010 0.000000 -2.00000011 0.000000 -3.00000012 0.000000 -1.00000013 0.000000 -2.00000014 0.000000 -2.0000003、一般整数规划问题：某服务部门各时段（每2h为一时段）需要的服务员人数见下表。
lingo灵敏度分析实验报告
竭诚为您提供优质文档/双击可除lingo灵敏度分析实验报告篇一：lingo灵敏度分析实例一个实例理解Lingo的灵敏性分析线性规划问题的三个重要概念：最优解就是反应取得最优值的决策变量所对应的向量。
最优基就是最优单纯形表的基本变量所对应的系数矩阵如果其行列式是非奇异的，则该系数矩阵为最优基。
最优值就是最优的目标函数值。
Lingo的灵敏性分析是研究当目标函数的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。
灵敏性分析给出的只是最优基保持不变的充分条件，而不一定是必要条件。
下面是一道典型的例题。
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：max=72*x1+64*x2;x1+x2 12*x1+8*x2 3*x1 运行求解结果：objectivevalue:3360.000VariableValueReducedcostx120.000000.000000x230.000000.000000RowslackorsurplusDualprice13360.0001.00000020.00000048.0000030.0000002.000000440.000000.000000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。
lingo编程实验报告
lingo编程实验报告标题：lingo编程实验报告摘要：本实验报告旨在介绍lingo编程语言的基本特性和应用，通过实际编程案例展示lingo语言的使用方法和技巧，以及对lingo编程的优缺点进行分析和总结。
引言lingo是一种面向对象的编程语言，广泛应用于多媒体和游戏开发领域。
它具有简洁的语法和丰富的功能，能够实现复杂的交互逻辑和动画效果。
本实验报告将通过实际编程案例，探讨lingo编程的特点和应用。
实验目的1. 了解lingo编程语言的基本语法和特性2. 掌握lingo编程的基本技巧和方法3. 分析lingo编程在多媒体和游戏开发中的优缺点实验内容1. lingo编程语言的基本特性lingo语言采用面向对象的编程范式，具有类、对象、继承等特性，能够实现复杂的交互逻辑和动画效果。
它还支持事件驱动的编程模型，能够实现用户交互和多媒体播放等功能。
2. lingo编程的应用案例通过实际编程案例，展示lingo编程在多媒体和游戏开发中的应用。
例如，通过lingo语言实现一个简单的动画效果，或者实现一个交互式的游戏场景等。
3. lingo编程的优缺点分析分析lingo编程在实际应用中的优缺点，包括开发效率、性能表现、跨平台兼容性等方面的比较。
实验结果与分析通过实际编程案例的展示，我们了解到lingo编程语言具有简洁的语法和丰富的功能，能够实现复杂的交互逻辑和动画效果。
然而，它在跨平台兼容性和性能表现方面存在一定的局限性。
因此，在选择lingo编程语言时，需要根据具体的应用场景和需求进行权衡和选择。
结论本实验报告通过实际编程案例，介绍了lingo编程语言的基本特性和应用，以及对lingo编程的优缺点进行了分析和总结。
希望本报告能够对lingo编程的学习和应用提供一定的参考和帮助。
Lingo实验报告3
实验报告课程名称：模型优化与LINGO软件应用专业班级：姓名：学号：湖南工业大学理学院实验名称Lingo的基本编程方法实验地点公共楼405 实验时间实验成绩指导指导教师签名一、实验目的及任务1.编写简单的Lingo程序2.了解Lingo语言中集合与函数的使用二、实验内容与步骤1.用lingo软件求解：max z=cTx+1/2xTQx;s.t -1≤x1x2+x3x4≤1;-3≤x1+x2+x3+x4≤2;x1,x2,x3,x4∈{-1,1}其中c=(6,8,4,-2)T,Q是三对角矩阵，主对角线上元素全为-1，两条次对角线上元素全为2.sets:set1/1..4/:x,c;b/1,2/:value;m(set1,b):d;link(set1,set1):Q;endsetsdata:c=6 8 4 -2;Q=-1 2 0 02 -1 2 00 2 -1 20 0 2 -1;value=1,-1;enddatamax=-1/2*x(1)*x(1)-1/2*x(2)*x(2)-1/2*x(3)*x(3)-1/2*x(4)*x(4)+2*x(1)*x(2 )+2*x(2)*x(3)+2*x(3)*x(4)+6*x(1)+8*x(2)+4*x(3)-2*x(4);@sum(set1(i):x(i))<=2;-3<=@sum(set1(i):x(i));-1<=x(1)*x(2)+x(3)*x(4);x(1)*x(2)+x(3)*x(4)<=1;@for(set1(i):x(i)=@sum(b(j):value(j)*d(i,j)));@for(set1(i):@sum(b(j):d(i,j))=1);@for(set1(i):@gin(x(i)));结果Local optimal solution found.Objective value: 20.00000Extended solver steps: 0Total solver iterations: 5Variable Value Reduced Cost X( 1) 1.000000 0.000000 X( 2) 1.000000 -2.000010 X( 3) 1.000000 -6.000001 X( 4) -1.000000 2.000005 C( 1) 6.000000 0.000000 C( 2) 8.000000 0.000000 C( 3) 4.000000 0.000000 C( 4) -2.000000 0.000000 VALUE( 1) 1.000000 0.000000 VALUE( 2) -1.000000 0.000000 D( 1, 1) 1.000000 0.000000 D( 1, 2) 0.000000 0.000000 D( 2, 1) 1.000000 0.000000 D( 2, 2) 0.000000 0.000000 D( 3, 1) 0.5000000 0.000000 D( 3, 2) 0.5000000 0.000000 D( 4, 1) 0.5000000 0.000000 D( 4, 2) 0.5000000 0.000000 Q( 1, 1) -1.000000 0.000000 Q( 1, 2) 2.000000 0.000000 Q( 1, 3) 0.000000 0.000000 Q( 1, 4) 0.000000 0.000000 Q( 2, 1) 2.000000 0.000000 Q( 2, 2) -1.000000 0.000000 Q( 2, 3) 2.000000 0.000000 Q( 2, 4) 0.000000 0.000000 Q( 3, 1) 0.000000 0.000000 Q( 3, 2) 2.000000 0.000000 Q( 3, 3) -1.000000 0.000000 Q( 3, 4) 2.000000 0.000000 Q( 4, 1) 0.000000 0.000000 Q( 4, 2) 0.000000 0.000000 Q( 4, 3) 2.000000 0.000000 Q( 4, 4) -1.000000 0.000000Row Slack or Surplus Dual Price1 20.00000 1.0000002 0.000000 0.0000003 5.000000 0.0000004 2.000000 0.0000005 0.000000 6.9999966 0.000000 0.0000007 0.000000 0.0000008 0.000000 0.0000009 0.000000 0.00000010 0.000000 0.00000011 0.000000 0.00000012 0.000000 0.00000013 0.000000 0.000000三、实验结果（1）min=(x1^2+x2-11)^2+(x1+x2^2-7)^2(2)min (x1^2+12x2-1)^2+(49x1^2+49x2^2+84x1+2324x2-681)四、附件sets:set1/1..4/:x,c;b/1,2/:value;m(set1,b):d;link(set1,set1):Q;endsetsdata:c=6 8 4 -2;Q=-1 2 0 02 -1 2 00 2 -1 20 0 2 -1;value=1,-1;enddatamax=-1/2*x(1)*x(1)-1/2*x(2)*x(2)-1/2*x(3)*x(3)-1/2*x(4)*x(4)+2*x(1)*x(2 )+2*x(2)*x(3)+2*x(3)*x(4)+6*x(1)+8*x(2)+4*x(3)-2*x(4);@sum(set1(i):x(i))<=2;-3<=@sum(set1(i):x(i));-1<=x(1)*x(2)+x(3)*x(4);x(1)*x(2)+x(3)*x(4)<=1;@for(set1(i):x(i)=@sum(b(j):value(j)*d(i,j)));@for(set1(i):@sum(b(j):d(i,j))=1);@for(set1(i):@gin(x(i)));。
- 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、"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、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、实验名称：推销员指派问题 二、实验目的及任务：1、掌握Lingo 软件的使用方法2、编写简单的Lingo 程序3、解决Lingo 中的最优指派问题三、实验容1、问题描述一个公司要分派5个推销员去5个地区推销某种产品，5个推销员在各个地区推销这种产品的预期利润如下表所示。
若每个推销员只能去一个地区。
应如何分派这5个推销员才能使公司的利润为最大？2、模型建立决策变量：设⎩⎨⎧=个地区个人去第不指派第个地区个人去第指派第j i 0j i 1ij x （i,j=1,2,3,4,5）目标函数：设总利润为z ，第i 个人去第j 个地区的利润为A ij （i,j=1,2,3,4,5），假设A ij 为指派矩阵，则Max ∑∑===5151i j ij ij x A z约束条件：1.第j 个地区只有一个人去：151=∑=i ijx（j=1,2,3,4,5）2.第i 个人只去一个地区：151=∑=j ijx（i=1,2,3,4,5）由此得基本模型：Max ∑∑===5151i j ij ij x A zS,t, 151=∑=i ij x （j=1,2,3,4,5）151=∑=j ijx（i=1,2,3,4,5）10或=ij x （i,j=1,2,3,4,5）3、Lingo 程序 （一）常规程序 Lingo 输入：model :max =1*x11+8*x12+9*x13+2*x14+1*x15+5*x21+6*x22+3*x23+10*x24+7*x25+3*x31+10*x32+4*x33+11*x34+3*x35+7*x41+7*x42+5*x43+4*x44+8*x45+4*x51+2*x52+6*x53+3*x54+9*x 55;x11+x12+x13+x14+x15=1; x21+x22+x23+x24+x25=1; x31+x32+x33+x34+x35=1; x41+x42+x43+x44+x45=1; x51+x52+x53+x54+x55=1; x11+x21+x31+x41+x51=1; x12+x22+x32+x42+x52=1; x13+x23+x33+x43+x53=1; x14+x24+x34+x44+x54=1; x15+x25+x35+x45+x55=1; endLingo 输出：Global optimal solution found.Objective value: 45.00000 Infeasibilities: 0.000000 Total solver iterations: 8Variable Value Reduced CostX11 0.000000 7.000000X12 0.000000 0.000000X13 1.000000 0.000000X14 0.000000 7.000000X15 0.000000 8.000000X21 0.000000 4.000000X22 0.000000 3.000000X23 0.000000 7.000000X24 1.000000 0.000000X25 0.000000 3.000000X31 0.000000 7.000000X32 1.000000 0.000000X33 0.000000 7.000000X34 0.000000 0.000000X35 0.000000 8.000000X41 1.000000 0.000000X42 0.000000 0.000000X43 0.000000 3.000000X44 0.000000 4.000000X45 0.000000 0.000000X51 0.000000 4.000000X52 0.000000 6.000000X53 0.000000 3.000000X54 0.000000 6.000000X55 1.000000 0.000000Row Slack or Surplus Dual Price1 45.00000 1.0000002 0.000000 9.0000003 0.000000 10.000004 0.000000 11.000005 0.000000 8.0000006 0.000000 9.0000007 0.000000 -1.0000008 0.000000 -1.0000009 0.000000 0.00000010 0.000000 0.00000011 0.000000 0.000000（二）集合函数程序Lingo输入：model:sets:person/1..5/;area/1..5/;assign(person,area):A,x;endsetsdata:A=1,8,9,2,15,6,3,10,73,10,4,11,37,7,5,4,84,2,6,3,9;enddatamax=sum(assign:A*x);for(person(i):sum(area(j):x(i,j))=1);for(area(j):sum(person(i):x(i,j))=1);for(assign(i,j):bin(x(i,j)));endLingo输出：Global optimal solution found.Objective value: 45.00000 Objective bound: 45.00000 Infeasibilities: 0.000000Extended solver steps: 0Total solver iterations: 0Variable Value Reduced CostA( 1, 1) 1.000000 0.000000A( 1, 2) 8.000000 0.000000A( 1, 3) 9.000000 0.000000A( 1, 4) 2.000000 0.000000A( 1, 5) 1.000000 0.000000A( 2, 1) 5.000000 0.000000A( 2, 2) 6.000000 0.000000A( 2, 3) 3.000000 0.000000A( 2, 4) 10.00000 0.000000A( 2, 5) 7.000000 0.000000A( 3, 1) 3.000000 0.000000A( 3, 2) 10.00000 0.000000A( 3, 3) 4.000000 0.000000A( 3, 4) 11.00000 0.000000A( 3, 5) 3.000000 0.000000A( 4, 1) 7.000000 0.000000A( 4, 2) 7.000000 0.000000A( 4, 3) 5.000000 0.000000A( 4, 4) 4.000000 0.000000A( 4, 5) 8.000000 0.000000 A( 5, 1) 4.000000 0.000000 A( 5, 2) 2.000000 0.000000 A( 5, 3) 6.000000 0.000000 A( 5, 4) 3.000000 0.000000 A( 5, 5) 9.000000 0.000000 X( 1, 1) 0.000000 -1.000000 X( 1, 2) 0.000000 -8.000000 X( 1, 3) 1.000000 -9.000000 X( 1, 4) 0.000000 -2.000000 X( 1, 5) 0.000000 -1.000000 X( 2, 1) 0.000000 -5.000000 X( 2, 2) 0.000000 -6.000000 X( 2, 3) 0.000000 -3.000000 X( 2, 4) 1.000000 -10.00000 X( 2, 5) 0.000000 -7.000000 X( 3, 1) 0.000000 -3.000000 X( 3, 2) 1.000000 -10.00000 X( 3, 3) 0.000000 -4.000000 X( 3, 4) 0.000000 -11.00000 X( 3, 5) 0.000000 -3.000000 X( 4, 1) 1.000000 -7.000000 X( 4, 2) 0.000000 -7.000000 X( 4, 3) 0.000000 -5.000000 X( 4, 4) 0.000000 -4.000000 X( 4, 5) 0.000000 -8.000000 X( 5, 1) 0.000000 -4.000000 X( 5, 2) 0.000000 -2.000000 X( 5, 3) 0.000000 -6.000000 X( 5, 4) 0.000000 -3.000000 X( 5, 5) 1.000000 -9.000000Row Slack or Surplus Dual Price1 45.00000 1.0000002 0.000000 0.0000003 0.000000 0.0000004 0.000000 0.0000005 0.000000 0.0000006 0.000000 0.0000007 0.000000 0.0000008 0.000000 0.0000009 0.000000 0.00000010 0.000000 0.00000011 0.000000 0.0000004、求解结果通过上面的lingo程序求解，得出结论：甲去C地区，乙去D地区，丙去B地区，丁去A地区，茂去E地区，此时公司的利润最大。
四、实验总结在该实验中，我对lingo软件有了一些基本的了解，学会了用lingo软件求解指派问题的方法，并且能运用部分集合函数编写一些简单的程序。