LINGO应用实例

合集下载

运用lingo解决问题的例子

运用lingo解决问题的例子
以下是一个运用LINGO解决实际问题的例子：
问题描述：
某公司生产A、B两种产品，已知生产1单位A产品需要3单位原料1和2单位原料2，同时产生2单位废料；生产1单位B产品需要4单位原料1和2单位原料2，同时产生3单位废料。

该公司有10单位原料1和8单位原料2，同时最多可以产生10单位废料。

请为公司制定一个生产计划，使得A、B两种产品的产量最大。

模型建立：
1. 设x1为A产品的产量，x2为B产品的产量。

2. 设原料1的消耗为3x1 + 4x2，原料2的消耗为2x1 + 2x2，废料产生为2x1 + 3x2。

3. 原料1的限制条件为3x1 + 4x2 <= 10，原料2的限制条件为2x1 +
2x2 <= 8，废料的限制条件为2x1 + 3x2 <= 10。

4. 目标函数为max x1 + x2，即最大化A、B两种产品的产量之和。

LINGO代码：
SETS:
I / 1 /;
J / 1,2 /;
K / I,J /;
PARAMETERS:
C(K) / 3I + 4J, 2I + 2J, 2I + 3J /; D(I) / 10 /;
E(I) / 8 /;
F(I) / 10 /;
VARIABLES:
X(K) / >=0 /;
MAXIMIZE Z: X(1) + X(2); SUBJECT TO:
3X(1) + 4X(2) <= D(1);
2X(1) + 2X(2) <= E(1);
2X(1) + 3X(2) <= F(1); ENDSETS
END。

Lingo超经典案例大全

Lingo超经典案例大全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许多方面〔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〕便可以直接采纳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，假如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语言中的数组用处更为广泛。

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*x20.001;@abs(x2-1)>0.001;end求得x1=2，x2=2.若再次排除这组解，发觉Lingo解不出第三组解了，这时我们可以断定：此优化模型有两组解：x1=3，x2=1和x1=2，x2=2.求解模型时需留意：Lingo中，默认变量均为非负；输出的解可能是最优解中的一组，要推断、检验是否还有其他解〔依据具体问题的解的状况或用排除已知最优解的约束条件法〕。

Lingo的应用实例

Lingo应用——旅游路线最短问题题目:从北京乘飞机到东京、纽约、墨西哥城、伦敦、巴黎五个城市做旅游，每个城市去且仅去一次，再回到东京，问如何安排旅游线路，使总旅程最短。

各城市之间的航线距离如下表：运用lingo软件求解模型建立前问题分析：1．这是一个求路线最短的问题，题目给出了两两城市之间的距离，而在最短路线中,这些城市有的两个城市是直接相连接的（即紧接着先后到达的关系），有些城市之间就可能没有这种关系，所以给出的两两城市距离中有些在最后的最短路线距离计算中使用到了，有些则没有用。

这是一个0-1规划的问题，也是一个线性规划的问题。

2．由于每个城市去且仅去一次，最终肯定是形成一个圈的结构，这就导致了这六个城市其中有的两个城市是直接相连的，另外也有两个城市是不连接的。

这就可以考虑设0-1变量，如果两个城市紧接着去旅游的则为1，否则为0。

就如同下图实线代表两个城市相连为1,虚线代表没有相连为03．因为每个城市只去一次，所以其中任何一个城市的必有且仅有一条进入路线和一条出去的路线。

求解：为了方便解题，给上面六个城市进行编号，如下表（因为北京是起点，将其标为1）假设：设变量x ij 。

如果x ij =1,则表示城市i 与城市j 直接相连（即先后紧接到达关系），否则若x ij =0，则表示城市i 与城市j 不相连。

特别说明：x ij 和x ji 是同一变量，都表示表示城市i 与城市j 是否有相连的关系。

这里取其中x ij (I<j)的变量。

模型建立：由于这是一个最短路线的问题，且变量已经设好。

目标函数：min z=51*x12+78*x13+68*x14+51*x15+13*x16+56*x23+35*x24+21*x25+60*x26+21*x34+57*x35+70*x36+36*x45+68*x46+61*x56约束条件：1. 上面目标函数中的变量是表示两个城市是否直接相连接的关系，且最短路线是可以形成圈的，如下图实线代表两个城市相连为1,虚线代表没有相连为0如上图城市a和城市b有直接相连接的关系，所以之间变量为1，而城市a 与城市e则没有直接相连接的关系，之间变量为0。

lingo建模应用举例

.例1 某服务部门一周中每天需要不同数目的雇员：周一到周四每天至少需要50人，周五至少需要80人，周六和周日至少需要90人．现规定应聘者需连续工作5天，试确定应聘方案，即周一到周日每天聘用多少人，使在满足需要的条件下聘用总人数最少．模型：记7654321x x x x x x x ，，，，，，分别表示周一、周二、周三、周四、周五、周六、周日聘用的人数．∑==71i i x z min ．⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧≥≥++++≥++++≥++++≥++++≥++++≥++++≥++++-为整数．，，，，，，，0909080505050507176543654325432174321763217652176541x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x .t .s 例2 某公司用A 和B 两种原油混合加工成甲、乙两种汽油．甲、乙两种汽油含原油A 的最低比例分别为50%和60%，每吨售价分别为4800元和5600元．该公司现有原油A 和B 的库存量分别为500吨和1000吨，还可以从市场上买到不超过1500吨的原油A ．原油A 的市场价为：购买量不超过500吨时的单价为10000元/吨；购买量超过500吨但不超过1000吨时，超过500吨的部分8000元/吨；购买量超过1000吨时，超过1000吨的部分6000元/吨．该公司应如何安排原油的采购和加工．模型：设原油A 用于生产甲、乙两种汽油的数量分别为1211x x ，，原油B 用于生产甲、乙两种汽油的数量分别为2221x x ，，记321x x x ，，分别表示以价格10千元/吨、8千元/吨、6千元/吨采购的原油A 的吨数．()()()3212212211168106584x x x x x .x x .z max ++-+++=．()()1112123212211112112122212231112212212350010000.50.6..5000500000500x x x x x x x x x x x s t x x x x x x x x x x x x x +≤+++⎧⎪+≤⎪⎪≥⎪+⎪⎪⎪≥⎨+⎪⎪-=⎪-=⎪⎪≥⎪⎪≤≤⎩，，，，，，，，，，，，．例3 某钢管零售商从钢管厂进货，将钢管按照顾客的要求切割后售出．从钢管厂进货时得到的原料钢管都是19米长．（1）现有一客户需要50根4米长、20根6米长和15根8米长的钢管．应如何下料最省？（2）零售商如果采用的不同切割模式太多，将会导致生产过程的复杂化，从而增加生产和管理成本，所以该零售商规定采用的不同切割模式不能超过3种．此外，该客户除需要（1）中的三种钢管外，还需要10根5米长的钢管．应如何下料最省？模型1：钢管下料的合理切割模式i ∑==71i i x z min ．⎪⎪⎩⎪⎪⎨⎧≥≥++≥+++≥++++-为整数．，，，015220325023471753654254321x x x x x x x x x x x x x .t .s模型2：用()321，，=i x i 表示按照第i 种模式切割的原料钢管的根数．设第i 种模式下每根原料钢管可生产4米长、5米长、6米长、8米长的钢管数量分别为1i r ，2i r ，3i r ，4i r ．∑==31i i x z min ．()⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎨⎧==≥≥≤+++≤≤+++≤≤+++≤≥++≥++≥++≥++-．，，，；，，为整数为整数，，，，，，，，4321321001986541619865416198654161520105031343332312423222114131211334224114333223113332222112331221111j i r x r r r r r r r r r r r r x r x r x r x r x r x r x r x r x r x r x r x r .t .s ij例4 有4名同学到一家公司参加三个阶段的面试：公司要求每个同学都必须首先找公司秘书初试，然后到部门主管处复试，最后到经理处参加面试，并且不允许插队（即在任何一个阶段4名同学的顺序是一样的）．由于4名同学的专业背景不同，所以每人在三个阶段的面试时间也不同，如下表所示（单位：分钟）．这4名同学约定他们全部面试完以后一起离开公司．假定现在时间是早晨8:00，问他们最早何时能离开公司?面试时间模型：记ij t 为第i 名同学参加第j 阶段面试需要的时间（已知），令ij x 表示第i 名同学参加第j 阶段面试的开始时刻（不妨记早上8：00为0时刻） ?（123,4123ij ==，，；，，），T 为完成全部面试所花的时间，用0—1变量iky 表示第k 名同学是否排在第i 名同学前面（1表示“是”，0表示“否”）．{}33i i it x max T min +=．()⎪⎪⎪⎩⎪⎪⎪⎨⎧<====≥<==-≤-+<==≤-+==≤++．，，，，，，，或取．，，，，，，，．，，，，，，，，．，，，，，，，，．，，，，，，k i k i y j i x k i k j i y T x t x k i k j i Ty x t x j i x t x .t .s ikij ik ij kj kj ik kj ij ij j ,i ij ij 432321103214321043232114323212143211 或改写为T min()⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎨⎧<====≥<==-≤-+<==≤-+==≤++≥+≥+≥+≥+．，，，，，，，或取．，，，，，，，．，，，，，，，，．，，，，，，，，．，，，，，，，，，，k i k i y j i x k i k j i y T x t x k i k j i Ty x t x j i x t x t x T t x T t x T t x T .t .s ik ij ik ij kj kj ik kj ij ij j ,i ij ij 4323211032143210432321143232121432114343333323231313 例5 某市消防中心同时接到了三处火警报告．根据当前的火势，三处火警地点分别需要2辆、2辆和3辆消防车前去灭火．三处火警地点的损失将依赖消防车到达的及时程度：记ij t 为第j 辆消防车到达火警地点i 的时间，则三处火警地点的损失分别为：333231222112115893746t t t t t t t ++++，，．目前可供消防中心调度的消防车正好有7辆，分别属于三个消防站，可用消防车数量分别为3辆、2辆、2辆．消防车从三个消防站到三个火警地点所需时间如下表所示．消防中心应如何调度消防车，才能使总损失最小？消防站到三个火警地点所需时间（单位：分钟）模型：将每一火警地点视为与该火警地点所需消防车数目相同数目的需求点．记ij x 表示第i 个消防站是否向第j 个需求地点派车（1表示“是”，0表示“否”）（7654321321，，，，，，，，，==j i ）．利用损失函数与已知到达时间可计算得到如下损失矩阵：损失矩阵∑∑===7131j i ij ij x c z min ．⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎨⎧=======∑∑∑∑====．，，，，，，，，，，或取，，，．，，，，，，，３765432132110223765432117171271131j i x x x x j x .t .s ij j j j j j j i ij 例6 设有两个工厂A 、B ，产量分别为9，8个单位；四个顾客分别为1，2，3，4，需求量分别为3，5，4，5；三个仓库x ，y ，z ．其中工厂到仓库、仓库到顾客的运费单价如下表所示．试求总运费最少的运输方案．工厂到仓库、仓库到顾客的运费单价说明：其中“—”表示两地无道路通行．模型：设有m 个工厂，l 个仓库，n 个顾客，i a 表示第i 个工厂的产量，k b 表示第k 个顾客的需求量，ij c 表示第i 个工厂到第j 个仓库的运费单价，jk d 表示第j 个仓库到第k 个顾客的运费单价，ij x 表示第i 个工厂到第j 个仓库的运量，jk y 表示第j 个仓库到第k 个顾客的运量．∑∑∑∑====+m i l j l j nk jk jk ij ij y d x c min 1111．⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧===≥≥===≥=≤∑∑∑∑====．，，，，，，，，，，，，，，，，，，，，，，，，，，，，n k l j m i y x n k b y l j y x m i a x .t .s jk ijk lj jk n k jk mi ij i lj ij 212121002121211111例7 在下图中，用点表示城市，现有A ，B 1，B 2，C 1，C 2，C 3，D 共7个城市．点与点之间的连线表示城市间有道路相连．连线旁的数字表示道路的长度．现计划从城市A 到城市D 铺设一条天然气管道，请设计出最小价格管道铺设方案．模型：用n 个顶点表示n 个城市，城市编号为i （n i ，，， 21=），()j i ，表示连接城市i 与j 的道路，其长度记为ij w ，E 为边集．设决策变量为ij x ，且()⎩⎨⎧=，否则．的路上，至城市位于城市，，当011n j i x ij 则最短路问题的数学规划表达式为()∑∈Ej i ijijx w min，．()()()()()⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧∈-====∑∑∑∑∈∈∈∈．，，或取，，，，，，，，，，，E j i x n i x x x x .t .s ij E i j j ji E j i j ij En j jjn Ej j j 101321111 例8 现需要将城市s 的石油通过管道运送到城市t ，中间有4个中转站v 1，v 2，v 3，v 4，城市与中转站的连接以及管道的容量如图所示，求从城市s 到城市t 的最大流．模型：用n 个顶点表示n 个城市，城市编号为i （n i ，，， 21=），()j i ，表示连接城市i 与j 的弧，弧()j i ，上的容量记为ij c ，流量记为ij f ，A 为弧集．则最大流问题的数学规划表达式为v max ．()()()()()⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧∈≤≤-====∑∑∑∑∈∈∈∈．，，，，，，，，，A j i c f n i f f v f v f .t .s ij ij A i ,j j ji A j ,i j ij An ,j jjn Aj ,j j 013211。

lingo软件的使用具体例子

1
4
0
0
3
2
3
1
0
1
3
2
0
1
3
4
1
2
0
3
5
1
1
1
1
6
0
3
0
1
7
0
0
2
3
需求
50
20
15
约束满足需求
4 x13 x22 x3x4x550 整数约束：
x22x4x53x620
x3x52x715
xi 为整数
钢管下料问题1
当余料没有用处时，通常以总根数最少为目标
目标2（总根数） M Z 2 i x 1 n x 2 x 3 x 4 x 5 x 6 x 7
客户需求
原料钢管:每根19米
4米50根
6米20根
8米15根
问题1. 如何下料最节省 ? 节省的标准是什么？
问题2. 客户增加需求：
5米10根
由于采用不同切割模式太多，会增加生产和管理成本，规定切割模式不能超过3种。如何下料最节省？
钢管下料
切割模式
按照客户需要在一根原料钢管上安排切割的一种组合。
4米1根 6米1根
切割多少根原料钢管，最为节省？
两种标准
1. 原料钢管剩余总余量最小 2. 所用原料钢管总根数最少
决策变量 xi ~按第i 种模式切割的原料钢管根数(i=1,2,…7)
目标1（总余量） M Z 1 3 i x 1 n x 2 3 x 3 3 x 4 x 5 x 6 3 x 7
模式 4米根数 6米根数 8米根数余料
vk(xk,uk)gk(uk)
资源分配问题

Lingo的典型应用举例

假设预先准备的箱子总数为n个，即使每件物品单独装一个箱子也够用，用决策变量yi=1或0表示第j个箱子是用还是不用，用变量xij=1或0表示第i件物品是否放入第j个箱子中，建立0-1规划模型如下：
n
min
z y j,
j1
n
w i x ij Cy
j , j 1,2 ,...,
n,
i1
s
表2.1 当前可供蔬菜养分含量（mg）和价格
养分
蔬菜
铁
A1 青豆 0.45
A2 胡萝卜 0.45
A3 花菜 0.65
A4 卷心菜 0.4
A5 芹菜 0.5
A6 土豆 0.5
每周最低需求 6
每份蔬菜所含养分数量
每份价格
磷维生素A 维生素C 烟酸（元）
20
415
22
0.3
2.1
28
4065
例2.1 某疗养院营养师要为某类病人拟定本周蔬菜类菜单，当前可供选择的蔬菜品种、价格和营养成分含量，以及病人所需养分的最低数量见表2.1所示。病人每周需14份蔬菜，为了口味的原因，规定一周内的卷心菜不多于2份，胡萝卜不多于3份，其他蔬菜不多于4份且至少一份。在满足要求的前提下，制订费用最少的一周菜单方案。
.t
.
n
x ij 1 , i 1 , 2 ,...,
n,
j1
yj x ij
0或 0或
1, j 1, i,
j
1,2 ,..., n , 1,2 ,..., n .
例5.1 已知30个物品，其中6个长0.51m，6个长 0.27m，6个长0.26m，余下的12个长0.23m，箱子长为 1m。问最少需要多少个箱子才能把30个物品全部装进箱子。

LINGO应用实例

LINGO 应用实例班级：2011级软件工程1班；姓名：林保京；学号:P111713222某公司有6 个建筑工地要开工，每个工地的位置（用平面坐标a, b 表示，距离单位：公里）及水泥日用量d （吨）由下表给出。

目前有两个临时料场位于P (5, 1), Q (2, 7) ，日储量各有20 吨。

假设从料场到工地之间均有直线道路相连，试制定每天的供应计划，即从A, B 两料场分别向各工地运送多少吨水泥，使总的吨公里数最小。

为了进一步减少吨公里数，打算舍弃两个临时料场，改建两个新的，日储量仍各为20 吨，问应建在何处，节省的吨公里数有多大。

记工地的位置为(a i ,b i )，水泥的日用量为d i ,i =1…6;料场的位置为(x j ,y j ),日储量为e j ,j =1,2;从料场j 到工地i 的运送量为c ij ,这个优化问题的数学规划模型是：min f =∑∑c ij √(x j −a i )2+(y j −b i )26i−12j−1st ∑c ij 2j−1=d i ,i =1 (6)∑c ij 6i−1≤e j ,j =1,2将其转化成LINGO 代码：MODEL :Title Location Problem;sets :demand/1..6/:a,b,d;supply/1..2/:x,y,e;link(demand,supply):c;endsetsdata :!需求点设置;a=1.25,8.75,0.5,5.75,3,7.25;b=1.25,0.75,5.75,5,6.5,7.75;!需求量;d=3,5,4,7,6,11;e=20,20;enddatainit:!初始点;x,y=5,1,2,7;endinit[OBJ] min=@sum(link(i,j):c(i,j)*((x(j)-a(i))^2+(y(j)-b(i))^2)^(1/2)); @for(demand(i):[DEMAND_CON]@sum(supply(j):c(i,j))=d(i););@for(supply(i):[SUPPLY_CON]@sum(demand(j):c(j,i))<=e(i););@for(supply:@free(X); @free(Y););END运行结果如下：Local optimal solution found.Objective value: 84.41406Infeasibilities: 0.000000Total solver iterations: 132Model Title: Location ProblemVariable Value Reduced CostA( 1) 1.250000 0.000000A( 2) 8.750000 0.000000A( 3) 0.5000000 0.000000A( 4) 5.750000 0.000000A( 5) 3.000000 0.000000A( 6) 7.250000 0.000000B( 1) 1.250000 0.000000B( 2) 0.7500000 0.000000B( 3) 5.750000 0.000000B( 4) 5.000000 0.000000B( 5) 6.500000 0.000000B( 6) 7.750000 0.000000D( 1) 3.000000 0.000000D( 2) 5.000000 0.000000D( 3) 4.000000 0.000000D( 4) 7.000000 0.000000D( 5) 6.000000 0.000000D( 6) 11.00000 0.000000X( 1) 3.113090 0.000000X( 2) 7.250000 -0.1954955E-06Y( 1) 6.044738 0.000000Y( 2) 7.750000 -0.8808641E-08E( 1) 20.00000 0.000000 E( 2) 20.00000 0.000000 C( 1, 1) 3.000000 0.000000 C( 1, 2) 0.000000 3.701915 C( 2, 1) 0.000000 0.5747176 C( 2, 2) 5.000000 0.000000 C( 3, 1) 4.000000 0.000000 C( 3, 2) 0.000000 4.410404 C( 4, 1) 7.000000 0.000000 C( 4, 2) 0.000000 0.2961603 C( 5, 1) 6.000000 0.000000 C( 5, 2) 0.000000 3.960913 C( 6, 1) 0.000000 4.474589 C( 6, 2) 11.00000 0.000000Row Slack or Surplus Dual Price OBJ 84.41406 -1.000000DEMAND_CON( 1) 0.000000 -5.143988 DEMAND_CON( 2) 0.000000 -7.158911 DEMAND_CON( 3) 0.000000 -2.629659 DEMAND_CON( 4) 0.000000 -2.836331 DEMAND_CON( 5) 0.000000 -0.4690982 DEMAND_CON( 6) 0.000000 0.000000 SUPPLY_CON( 1) 0.000000 0.000000 SUPPLY_CON( 2) 4.000000 0.000000软件运行截图代码截图：运行结果截图：。

LINGO及规划实例

5 变量界定函数
变量界定函数实现对变量取值范围的附加限制，共4种：
@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
@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。
2．@sum 该函数返回遍历指定的集成员的一个表达式的和。
3．@min和@max 返回指定的集成员的一个表达式的最小值或最大。值。
精品课件
LINGO函数
8 输入和输出函数输入和输出函数可以把模型和外部数据比如文本文件、数据库和电子表格等连接起来。
1．@file函数
该函数用从外部文件中输入数据，可以放在模型中任何地方。该函数的语法格式为@file(’filename’)。
n 1 1(1I)n
k1(1I)k
I
净现值就是在一定时期内为了获得一定收益在该时期初所支付
的实际费用。
。
2．@fpl(I,n)
返回如下情形的净现值：单位时段利率为I，第n个时段支付单位费用。
@fpl(I,n)的计算公式为 (1 I)n
n
@fp(aI,n精)品课件 @fp(Il,k) k1
LINGO函数
@sign(x)
如果x<0返回-1；否则，返回1
@floor(x)
返回x的整数部分。当x>=0时，返回不超过x的最大整
当x<0时，返
@smax(x1,x2,…,xn) 返回x1，x2，…，xn中的最大值
@smin(x1,x2,…,xn) 返回x1，x2，…，xn中的最小值

Lingo软件应用举例

Lingo 软件应用举例1. 简单的优化问题---- Lingo 软件的体验1.1 线性规划及线性整数规划例1. 在LINGO 中求解如下问题（线性规划）：0,6002100350..32min 212112121≥≤+≥≥++x x x x x x x t s x x %----------------------------------------------------------其LINGO 代码如下：min =2*x1+3*x2;x1+x2>=350;x1>=100;2*x1+x2<=600;说明：(1) 在这里之所以没有对x1和x2进行非负的限制，是由于在默认情况下，Lingo 规定变量取非负实数(即非负要求，取值连续)(2) 若要求取整数，则函数@gin(x)限定x 取值为整数；(3) 若要求无约束，则函数@free(x)取消x 默认下界为0的限制，使x 可以取任意实数；(4) 若要求取非正数，则函数@bnd(L,x,U)可以限定L ≤x ≤U 。

%----------------------------------------------------------计算结果：Global optimal solution found at iteration: 2Objective value: 800.0000Variable Value Reduced CostX1 250.0000 0.000000X2 100.0000 0.000000Row Slack or Surplus Dual Price1 800.0000 -1.0000002 0.000000 -4.0000003 150.0000 0.0000004 0.000000 1.000000结果的解释：(1) “Global optimal solution found at iteration: 2”表示2次迭代后得到全局最优解。

lingo用法-2

j 1 6
cij di , i 1,,6 ! 6工地水泥日用量约束
cij e j ,
i a b d １ 1.25 1.25 3
j 1,2
! 2料场日储量约束
４ 5.75 5 7 ５ 3 6.5 6 ６ 7.25 7.75 11
用已知条件编程序如下
２３ 8.75 0.5 0.75 4.75 5 4
机动上页下页返回结束
数学实验
init: 3. 初始段（INIT ENDINIT） endinit !objective function(目标函数); [OBJ] min=@sum(link(i,j):c(i,j)*((x(j)-a(i))^2+(y(j)-b(i))^2)^(1/2)); !demand constraints(需求约束); @for(demand(i):[DEMAND_COM] @sum(supply(j):c(i,j))=d(i);); !supply constraints(供应约束); @for(supply(i):[SUPPLY_COM] @sum(demand(j):c(j,i))<=e(i);); @for(supply: @free(X); @free(Y);); end
目标与约束段
4.
运行结果: 最优解是 89.88350 (吨公里) i 向各工地运送的水泥吨数 ci1 (料场 A) 新料场位置(7.25,7.75), (5.7,4.9) ci 2 (料场 B)
1 0 3
2 0 5
机动
3 0 4
上页
4 0 7
下页
5 5 1
返回
6 11 0
机动

Lingo的典型应用举例

1 3
4
A
2
3
4
5
6
7
8
9
10
料场的位置用（pxj，pyj）表示，日存储量用gj表示，从料场j向工地i的日运输量为Cij。则对问题（1）， pxj，pyj是已知数，决策变量是Cij。料场j到工地i的距离为：
( px j xi ) 2 + ( py j yi ) 2
目标函数是总的吨千米数最小，约束条件有两个。一是满足各工地的日需求，二是各料场的总出货量不超过日存储量。建立数学模型如下：
当前可供蔬菜养分含量（）表2.1 当前可供蔬菜养分含量（mg）和价格
养分蔬菜 A1 A2 A3 A4 A5 A6 青豆胡萝卜花菜卷心菜芹菜土豆铁 0.45 0.45 0.65 0.4 0.5 0.5 6 每份蔬菜所含养分数量磷 20 28 40 25 26 75 125 维生素A 维生素维生素C 维生素 415 4065 850 75 76 235 12500 22 5 43 27 48 8 345 烟酸 0.3 0.35 0.6 0.2 0.4 0.6 5 每份价格（元） 2.1 1.0 1.8 1.2 2.0 1.2
用0-1变量xij表示分配情况，xij=1表示指派第i个人完成第j项任务，xij=0表示不分配。则上述问题可以表示为如下0-1线性规划：
min
z = ∑∑ cij xij ,
i =1 j =1
n
n
n ∑ xij = 1, j = 1,2,..., n, i =1 s.t. n x = 1, i = 1,2,..., n, x = 0或1. ij ∑ ij j =1
min
z = ∑∑ Cij ( px j xi ) + ( py j yi ) ,

用lingo求解规划问题实例

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。

全国数学建模lingo实例讲解

全国数学建模lingo 实例讲解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：,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。

产销单位运价如下表。

单位销地运价产地B 1 B 2 B 3 B 4 B 5 B 6 B 7 B 8 产量 A 1 6 2 6 7 4 2 5 9 60 A 24953858255A3 5 2 1 9 7 4 3 3 51A4 7 6 7 3 9 2 7 1 43A5 2 3 9 5 7 2 6 5 41A6 5 5 2 2 8 1 4 3 52销量35 37 22 32 41 32 43 38使用LINGO软件，编制程序如下：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在各行业中的应用

但是目前存在的问题是具有很大的差异性如何能找出一个公平的分配方案以最大程度的满足政府设立项目的初衷这些限制因素包括项目组织的经验工作人员的能力和设备等同时还要兼顾区域和人口的覆盖率美国卫生部在过去七年中花费了1亿多美元来制定政策并劝导那些吸烟人群放弃吸烟以但是目前存在的问题是反吸烟相当多的申请资助项目很多反吸烟所针对的人群相当多的申请资助项目很多所针对的人群美国卫生部建立了一个01的整数线性规划约束超过200000个变量也超过100000个使用lingo运算该模型在2个小时内便得到需要的分配结果案例十四bellcore公司供应商选择系统所属行业
案例五
CNC公司的有线电视的定价以及节目时间排表策略问题
所属行业：传媒业案例时间：2004年解决方案：随着不同网络电视运营商的竞争不断激烈，有线电视的收费价格逐渐降低。各运营商的利润水平已经越来越低，制定有效的定价以及节目时间排表策略已经成为了竞争的关键。 CNC公司基于Lingo 使用混合整数规划，目标是最大化内容收入，约束条件是不同人群对价格的敏感程度，不同人群对节目内容的偏好以及倾向的收视时间等通过该模型，CNC公司至少增加了4%的内容收入(>1200万美元)
案例十二
Anixter公司电缆的优化切割问题
所属行业：能源行业案例时间：2000年解决方案： Anixter公司是全球最大的电缆分销商，以往对于电缆的切割浪费非常严重，比如切割200万英尺电缆，每英尺价值10美元，如果产生5％的切割浪费的化，就是造成100万美元的浪费，因此， Anixter 公司利用Lingo 软件建立了一个优化切割系统，以期最大程度上降低浪费 Dow 化工公司从Anixter公司购买了200万英尺的电缆，应用于其新建立的化工厂，这个项目需要超过 3500根不同长度的电缆，这些电缆的长度从200到2000英尺，价格每英尺从4美元－40美元。这些电缆需要从超过100根主电缆线圈上进行切割。这个基于Lingo 建立的优化切割模型如何能够把不同需求进行绑定，从而最大程度的利用原料，浪费最少的电缆。理想情况下，应该基本没有下脚料的剩余。针对与该项目的问题，Anixter 公司提供了所有可利用所有主线缆圈的长度，及其特征，同时提供了所有需要的分段电缆的长度和特征。通过Lingo 的计算，最终得出最佳的电缆切割方案。在以往电缆切割中8％以内的浪费都是可以接受的，而通过Lingo 优化计算后，这个浪费率下降为了3％, 另外很重要的一点是，它提供的切割方案非常清晰，易于操作。这种切割优化技术可以被广泛的应用与电缆切割，棒料切割，原纸切割以及塑料切割等诸多领域

第四讲 LINGO编程举例及Options选项卡主要参数说明

第四讲LINGO编程举例及Options选项卡主要参数说明一、LINGO编程举例例1水资源分配问题。

某水库可分配的水资源量为7个单位，分配给3个用户，各用户在分配一定单位水资源后产生的效益如下表所示，求最优分配方案。

水资源量 1 2 3 4 5 6 7用户1 5 15 40 80 90 95 100 用户2 5 15 40 60 70 73 75 用户3 4 26 40 45 50 51 53解用ijc表示上表所表示的效益矩阵，引入决策矩阵X表示水资源分配情况，其元素ijx的取值为0或1，1ijx=表示给用户i分配j单位水资源。

则目标函数是分配方案的总效益最大，约束条件用两条：①水资源总量7个单位；②每个用户得到的水资源量只能是从0到7共八个数字中的一个，即711, 1,2,3 ijjx i =≤=∑，等价于矩阵X的每行元素之和不能超过1。

于是建立本问题的0-1规划模型如下：3711713711max 1, 1,2,3,..7, 1,2,3,1,2,,7,01, 1,2,3,1,2,,7ij iji j ij j ij i j ij z c x x i s t j x i j x i j ======⎧≤=⎪⎪⎪⋅===⎨⎪⎪===⎪⎩∑∑∑∑∑或Global optimal solution found at iteration: 0 Objective value: 120.0000Variable Value Reduced CostX( 1, 1) 0.000000 -5.000000X( 1, 2) 0.000000 -15.00000X( 1, 3) 0.000000 -40.00000X( 1, 4) 1.000000 -80.00000X( 1, 5) 0.000000 -90.00000X( 1, 6) 0.000000 -95.00000X( 1, 7) 0.000000 -100.0000X( 2, 1) 0.000000 -5.000000X( 2, 2) 0.000000 -15.00000X( 2, 3) 1.000000 -40.00000X( 2, 4) 0.000000 -60.00000X( 2, 5) 0.000000 -70.00000X( 2, 6) 0.000000 -73.00000X( 2, 7) 0.000000 -75.00000X( 3, 1) 0.000000 -4.000000X( 3, 2) 0.000000 -26.00000X( 3, 3) 0.000000 -40.00000X( 3, 4) 0.000000 -45.00000X( 3, 5) 0.000000 -50.00000X( 3, 6) 0.000000 -51.00000例2旅行售货商（TSP ）模型的一个实例有一个旅行售货商，从某个城市出发，要遍访若干城市各一次且仅一次，最后返回原出发城市（称能到每个城市一次且仅一次的路线为一个巡回）。

用lingo求解数学规划模型实例

1, 第i个部队分配第j种装备设 xij 0, 第i个部队不分配第j种装备
目标函数： max aij xij
i 1 j1
9
9
xij 1 i 1 9 s .t . : x 1 ij j1 xij=0或1
（ i, j=1,2,…,9）

9
9

EQ1 EQ2 EQ3 EQ4 EQ5 EQ6 EQ7 EQ8 EQ9 AR1 0 0 0 0 0 0 0 0 1 AR2 0 0 0 1 0 0 0 0 0 AR3 0 0 0 0 0 1 0 0 0 AR4 0 0 0 0 1 0 0 0 0 AR5 1 0 0 0 0 0 0 0 0 AR6 0 0 0 0 0 0 1 0 0 AR7 0 0 0 0 0 0 0 1 0 AR8 0 0 1 0 0 0 0 0 0 AR9 0 1 0 0 0 0 0 0 0 装备部队 1 2 3 4 5 6 7 8 9 A 0.24 0.31 0.31 0.49 0.63 0.45 0.45 0.32 0.33 B 0.42 0.04 0.24 0.06 0.15 0.02 0.07 0.24 0.56 C 0.15 0.60 0.08 0.28 0.31 0.37 0.26 0.58 0.41 D 0.46 0.69 0.14 0.13 0.60 0.14 0.15 0.64 0.13 E 0.34 0.11 0.54 0.65 0.06 0.69 0.18 0.43 0.65 F 0.69 0.24 0.61 0.41 0.41 0.29 0.43 0.45 0.07 G 0.03 0.45 0.37 0.55 0.47 0.61 0.55 0.09 0.22 H 0.57 0.35 0.48 0.25 0.19 0.18 0.66 0.05 0.46 I 0.69 0.27 0.34 0.36 0.31 0.46 0.08 0.20 0.11

LINGO的实例应用(线性)

LINGO的实例应用（线性）——飞行安排问题由于LINGO软件既可以解决线性规划问题又可以解决非线性规划问题，我们通过两个例子来说明如何用LINGO来求解线性与非线性规划问题。

一、问题描述这个问题是以第二次世界大战中的一个实际问题为背景，经过简化而提出来的。

在甲、乙双方的一场战争中，一部分甲方部队被乙方部队包围长达4个月。

由于乙方封锁了所有水陆交通通道，被包围的甲方部队只能依靠空中交通维持供给。

运送4个月的供给分别需要2，3，3，4次飞行，每次飞行编队由50架飞机组成（每架飞机需要3名飞行员），可以运送10万吨物资。

每架飞机每个月只能飞行一次，每名飞行员每个月也只能飞行一次。

在执行完运输任务后的返回途中有20%的飞机会被乙方部队击落，相应的飞行员也因此牺牲或失踪。

在第一个月开始时，甲方拥有110架飞机和330名熟练的飞行员。

在每个月开始时，甲方可以招聘新飞行员和购买新飞机。

新飞机必须经过一个月的检查后才可以投入使用，新飞行员必须在熟练飞行员的指导下经过一个月的训练才能投入飞行。

每名熟练飞行员可以作为教练每个月指导20名飞行员（包括他自己在内）进行训练。

每名飞行员在完成一个月的飞行任务后，必须有一个月的带薪假期，假期结束后才能再投入飞行。

已知各项费用（单位略去）如下表所示，请为甲方安排一个飞行计划。

表1：飞行计划的原始数据如果每名熟练飞行员可以作为教练每个月指导不超过20名飞行员（包括他自己在内）进行训练，模型和结果有哪些改变？二、问题分析甲方飞行员飞行计划可用线性规划的方法实现，求解目标为在满足供给的前提下，使总的费用最低的最优解。

总费用为购买新飞机的花费、闲置的熟练飞行员报酬、教练和飞行员报酬（包括培训费用）、执行飞行任务的熟练飞行员报酬、休假期间的熟练飞行员报酬之和，其中执行飞行任务的熟练飞行员报酬和休假期间的熟练飞行员报酬是固定的，总费用不会受它们影响。

所以在计算总费用时，可以直接将执行飞行任务的熟练飞行员报酬和休假期间的熟练飞行员报酬算出结果加到总费用中。

lingo基本用法(精华版)20分钟学会-ling↘

Lingo根本用法总结（除集函数部分）之五兆芳芳创作LINGO是用来求解线性和非线性优化问题的简略单纯东西.Lingo免费版可以支持30个未知数，lingo破解版可以支持几万个未知数、几万个约束条件.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东西条，其它所有的窗口将被包含在主窗口之下.在主窗口内的题目为LINGO Model – LINGO1的窗口是LINGO的默认模型窗口，成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 如安在LINGO中求解如下的LP问题：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;然后点击东西条上的按钮便可.得到如下结果：所以当x1为250，x2为100时目标函数得到最大值.算术运算符Lingo中变量不区分大小写，以字母开头不超出32个字符算术运算符是针对数值进行操纵的.LINGO提供了5种二元运算符：＾乘方﹡乘／除﹢加﹣减LINGO唯一的一元算术运算符是取反函数“﹣”.这些运算符的优先级由高到底为：高﹣（取反）＾﹡／低﹢﹣运算符的运算次序为从左到右按优先级凹凸来执行.运算的次序可以用圆括号“（）”来改动.例：在x1+x2>=350，x1>=100，2*x1+x2<=600的条件下求2*x1+3*x2的最小值在代码窗口中编写min=2*x1+3*x2;x1+x2>=350;x1>=100;2*x1+x2<=600;然后单击上面菜单lingo菜单下solve键便可.数学函数尺度数学函数：@abs(x) 前往x的绝对值@sin(x) 前往x的正弦值，x采取弧度制@cos(x) 前往x的余弦值@tan(x) 前往x的正切值@exp(x) 前往常数e的x次方@log(x) 前往x的自然对数@lgm(x) 前往x的gamma函数的自然对数@sign(x) 如果x<0前往-1；不然，前往1@floor(x) 前往x的整数部分.当x>=0时，前往不超出x的最大整数；当x<0时，前往不低于x的最大整数.最大最小函数：@smax(x1,x2,…,xn) 前往x1，x2，…，xn中的最大值@smin(x1,x2,…,xn) 前往x1，x2，…，xn中的最小值鸿沟限定函数：@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为整数帮助函数1．@if(logical_condition,true_result,false_result)@if函数将评价一个逻辑表达式logical_condition，如果为真，前往true_ result，不然前往false_result在默认情况下，LINGO规则变量是非负的，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.例：求x1^2+3*x2-x1*x2+e^x3在x1+x2>=350;x1+x3<50;2*x1+x2+x3<=600;x1只能取0或1；x2为整数的条件下的最小值.在代码窗口中编写min=x1^2+3*x2-x1*x2+@exp(x3);x1+x2>=350;x1+x3<50;2*x1+x2+x3<=600;@bin(x1);@gin(x2);以上是lingo最根本的用法逻辑运算符LINGO具有９种逻辑运算符：#not#否认该操纵数的逻辑值，＃not＃是一个一元运算符#eq#若两个运算数相等，则为true；不然为flase#ne# 若两个运算符不相等，则为true；不然为flase#gt# 若左边的运算符严格大于右边的运算符，则为true；不然为flase#ge#若左边的运算符大于或等于右边的运算符，则为true；不然为flase#lt#若左边的运算符严格小于右边的运算符，则为true；不然为flase#le#若左边的运算符小于或等于右边的运算符，则为true；不然为flase#and#仅当两个参数都为true时，结果为true；不然为flase#or# 仅当两个参数都为false时，结果为false；不然为true这些运算符的优先级由高到低为：高 #not##eq# #ne# #gt# #ge# #lt# #le#低 #and# #or#逻辑运算符示例2 #gt#3 #and#4 #gt# 2，其结果为假（0）.模型求解状态@status()前往LINGO求解模型结束后的状态：0 Global Optimum（全局最优）1 Infeasible（不成行）2 Unbounded（无界）3 Undetermined（不确定）4 Feasible（可行）5 Infeasible or Unbounded（通常需要封闭“预处理”选项后重新求解模型，以确定模型究竟是不成行仍是无界）6 Local Optimum（局部最优）7 Locally Infeasible（局部不成行，尽管可行解可能存在，但是LINGO并没有找到一个）8 Cutoff（目标函数的截断值被达到）9 Numeric Error（求解器因在某约束中遇到无定义的算术运算而停止）通常，如果前往值不是0、4或6时，那么解将不成信，几近不克不及用.该函数仅被用在模型的数据部分来输出数据.。

用LINGO求解线性规划的例子

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）。