LINGO软件及其应用
第三章LINGO软件的使用
第三章 LINGO软件使用入门LINGO是美国LINDO系统公司开发的一套专门用于求解最优化问题的软件．它为求解最优化问题提供了一个平台，主要用于求解线性规划、非线性规划、整数规划、二次规划、线性及非线性方程组等问题．它是最优化问题的一种建模语言，包含有许多常用的函数供使用者编写程序时调用，并提供了与其他数据文件的接口，易于方便地输入，求解和分析大规模最优化问题，且执行速度快．由于它的功能较强，所以在教学、科研、工业、商业、服务等许多领域得到了广泛的应用．§3.1 LINGO操作界面简介在Windows操作系统下启动LINGO软件，屏幕上首先显示如图1.1所示的窗口．图1.1图1.1中最外层的窗口是LINGO软件的主窗口（LINGO软件的用户界面），所有其他窗口都在这个窗口之内．主窗口有：标题栏、菜单栏、工具栏和状态栏．目前，状态栏最左边显示的是“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“Ln 1,Col 1”（即1行1列）．将来用户可以用选项命令（LINGO|Options|Interface菜单命令）决定是否需要显示工具栏和状态栏．LINGO有5个主菜单：●File（文件）●Edit（编辑）●LINGO（LINGO系统）●Windows（窗口）●Help（帮助）这些菜单的用法与Windows下其他应用程序的标准用法类似，下面只对主菜单中LINGO系统的主要命令进行简要介绍．LINGO系统（LINGO）的主菜单●LINGO|Solve(Ctrl-S)LINGO|Solve(Ctrl-S)（求解）命令对当前模型进行编译并求解．如果当前模型输入有错误，编译时将报告错误．求解时会显示一个求解器运行状态窗口．●LINGO|Solution(Ctrl-O)LINGO|Solution(Ctrl-O)（解答）命令显示当前解．●LINGO|Range(Ctrl-R)LINGO|Range(Ctrl-R)（灵敏度分析）命令显示当前解的灵敏度分析结果．（你必须在此之前求解过当前模型）●LINGO|Options(Ctrl-I)LINGO|Options(Ctrl-I)（选项）命令将打开一个含有7个选项卡的对话框窗口，你可以通过它修改LINGO系统的各种控制参数和选项．修改完以后，你如果单击“应用”按钮，则新的设置马上生效；如果单击“OK”按钮，则新的设置马上生效，并且同时关闭该窗口；如果单击“Save”按钮，则将当前设置变为默认设置，下次启动LINGO时这些设置仍然有效；如果单击“Default”按钮，则恢复LINGO系统定义的原始默认设置；如果单击“Cancel”按钮将废弃本次操作，退出对话框；单击“Help”按钮将显示本对话框的帮助信息．●LINGO|Generate和LINGO|PictureLINGO|Generate和LINGO|Picture命令都是在模型窗口下才能使用，他们的功能是按照LINGO模型的完整形式分别以代数表达式形式和矩阵图形形式显示目标函数和约束．●LINGO|Debug（Ctrl+D）LINGO|Debug（Ctrl+D）命令分析线性规划无解或无界的原因，建议如何修改●LINGO|Model Statistics（Ctrl+E）LINGO|Model Statistics（Ctrl+E）命令显示当前模型的统计信息．●LINGO|Look（Ctrl+L）LINGO|Look（Ctrl+L）命令显示当前模型的文本形式，显示时对所有行按顺序编号．图1.2给出了工具栏的简要功能说明．图1.2当前光标所在的窗口（窗口标题栏上标有“LINGO Model-LINGO1”），就是模型窗口（model windows），也就是用于输入LINGO优化模型（即LINGO程序）的窗口．§3.2 LINGO模型的基本特征LINGO模型（程序）从LINGO模型窗口输入，它以语句“MODEL:”开始，以语句“END”结束．它是由一系列语句组成，每个语句都是以分号“；”结束，语句是组成LINGO模型的基本单位．每行可以写多个语句，为了保持模型的可读性，最好一行只写一个语句，并且按照语句之间的嵌套关系对语句安排适当的缩进，增强层次感．以感叹号“！”开始的语句是注释语句（注释语句也需要以分号“；”结束）．LINGO模型（程序）一般由5个部分（或称5段）组成：（1）集合段（SETS）：这部分要以“SETS：”开始，以“ENDSETS”结束，作用在于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）．格式有基本集和派生集两种．基本集：Setname(集合变量名)[/member_list(元素列表)/][:attribute_list(属性列表)]；元素列表可以全部一一列出，也可以用格式“/元素1..元素N/”列出，例如SETS：STUDENTS/1,2,3,4,5/:NAME,AGE；ENDSETSSETS：STUDENTS/1..5/:NAME,AGE；ENDSETS派生集：Setname(parent_set_list(源集列表))[/member_list/][:attribute_list]；例如SETS:PRODUCT/A B/；MACHINE/M N/；WEEK/1..2/；ALLOWED( PRODUCT,MACHINE,WEEK)；ENDSETS列表可以用逗号“，”分开，也可以用空格分开．（2）数据段（DATA）：这部分要以“DATA：”开始，以“ENDDATA”结束，作用在于对集合的属性（数组）输入必要的常数数据．格式为：attribute_list(属性列表)=value_list(常数列表)；例如SETS:SET1 /A, B, C/: X, Y；ENDSETSDATA:X = 1 2 3；Y = 4 5 6；ENDDATA（3）初始化段（INIT）：这部分要以“INIT：”开始，以“ENDINIT”结束，作用在于对集合的属性（数组）给出初值．格式为：attribute_list(属性列表)=value_list(常数列表)；与数据段的用法类似．（4）计算段（CALC）：这部分要以“CALC：”开始，以“ENDCALC”结束，作用在于对一些原始数据进行计算处理．因为在实际问题中，输入的数据往往是原始数据，不一定能在模型中直接使用，可以在这个段对这些原始数据进行一定的“预处理”，得到模型中真正需要的数据．在计算段中语句是顺序执行的．（5）目标与约束段：这部分没有段的开始和结束标记，作用在于给定目标函数与约束条件．可见除这一段外，其他4个段都有明确的段标记．这一段是模型的主要部分，其他段是为这一段服务的．其他四段可以没有，这一段必须要有．否则不称其为模型．这一段一般要用到LINGO的运算符和各种函数．§3.3 LINGO的运算符和函数LINGO包含有大量的运算符和函数，供程序（建立优化模型）调用，其功能很强．充分利用这些函数，对解决问题将是非常方便的．下面给出部分函数及简要功能介绍，全部函数及详细功能说明可进一步参考LINGO的使用手册．一、运算符及其优先级LINGO的运算符有三类：算数运算符、逻辑运算符和关系运算符．1．算术运算符：LINGO中的算术运算符有以下5种：+（加法），-（减法或负号），*（乘法），/（除法），∧（求幂）．算术运算是数与数之间的运算，运算结果仍是数．2．逻辑运算符：LINGO中的逻辑运算符有以下9种，可以分成两类：（1）#AND#（与），#OR#（或），#NOT#（非）：这三个运算是逻辑值之间的运算，也就是它们操作的对象本身必须已经是逻辑值或逻辑表达式，计算结果也是逻辑值．（2）#EQ#（等于），#NE#（不等于），#GT#（大于），#GE#（大于等于），#LT#（小于），#LE#（小于等于）：这6个操作实际上是“数与数之间”的比较，也就是它们操作的对象本身必须是两个数，而逻辑表达式计算的结果是逻辑值．3．关系运算符：LINGO中的关系运算符有以下3种：＜（即＜＝，小于等于），＝（等于），＞（即＞＝，大于等于）这三个运算符虽然也是“数与数之间”的比较，但在LINGO中只用来表示优化模型的约束条件，所以不是真正意义上的运算．这些运算符的优先级如表3.1所示（同一优先级按左到右的顺序执行；如果有括号“（）”，则括号内的表达式优先进行计算）表3.1二、基本的数学函数在LINGO中写程序时可以调用大量的内部函数，这些函数以“@”符号打头（类似调用命令）．LINGO中数学函数的用法与其它语言中的数学函数的用法类似，主要有以下函数：@ABS(X)：绝对值函数，返回X的绝对值．@COS(X)：余弦函数，返回X的余弦值（X的单位是弧度）．@EXP(X)：指数函数，返回e x的值．@FLOOR(X)：取整函数，返回X的整数部分（向最靠近0的方向取整）．@LGM(X)：返回X的伽马（Gamma）函数的自然对数值．@LOG(X)：自然对数函数，返回X的自然对数值．@MOD(X,Y)：模函数，返回X对Y取模的结果．@POW(X,Y)：指数函数，返回X Y的值．@SIGN(X)：符号函数，返回X的符号值（X＜0时返回-1，X＞＝0返回1）．@SIN(X)：正弦函数，返回X的正弦值．@SMAX(list)：最大值函数，返回列表（list）中的最大值．@SMIN(list)：最小值函数，返回列表（list）中的最小值．@SQR(X)：平方函数，返回X的平方值．@SQRT(X)：平方根函数，返回X的正的平方根的值．@TAN(X)：正切函数，返回X的正切值．三、集合循环函数集合循环函数是指对集合上的元素（下标）进行循环操作的函数，主要有@FOR，@MAX，@MIN，@SUM，@PROD五种,其用法如下：@function(setname[(set_index_list)[|conditional_qualifier]]:expression_list)；其中：Function是集合函数名；Setname是集合名；set_index_list是集合索引列表（不需要使用索引时可以省略）；|conditional_qualifier是用逻辑表达式给出的过滤条件（无条件时可以省略）；:expression_list是一个表达式（对@FOR函数，可以是一组表达式）．下面简要介绍其作用．@FOR(setname[(set_index_list)[|cond_qualifier]]:exp_list)：对集合setname中的每个元素独立地生成由exp_list描述的表达式（通常是优化问题的约束）．@MAX(setname[(set_index_list)[|cond_qualifier]]:exp)：返回集合setname上的表达式exp的最大值．@MIN(setname[(set_index_list)[|cond_qualifier]]:exp)：返回集合setname上的表达式exp的最小值．@SUM(setname[(set_index_list)[|cond_qualifier]]:exp)：返回集合setname上的表达式exp的和．@PROD(setname[(set_index_list)[|cond_qualifier]]:exp)：返回集合setname上的表达式exp的积．四、集合操作函数集合操作函数是指对集合进行操作的函数，主要有@INDEX,@IN,@WRAP,@SIZE四种，下面简要介绍其作用．@INDEX([set_name,]primitive_set_element)：返回元素primitive_set_element在集合set_name中的索引值（即按定义集合时元素出现顺序的位置编号）．如果省略集合名set_name，LINGO按程序定义的集合顺序找到第一个含有元素primitive_set_element的集合，并返回索引值．如果在所有集合中均没有找到该元素，会给出出错信息．@IN(set_name,primitive_index_1[,primitive_index_2 ...])：判断一个集合中是否含有索引值．集合set_name 中包含由索引primitive_index_1[,primitive_index_2...]所表示的对应元素，则返回1（逻辑值“真”），否则返回0（逻辑值“假”）．@WRAP(INDEX,LIMIT)：返回J=INDEX-K*LIMIT,其中J 位于区间[1，LIMIT]，K 为整数．当INDEX 位于区间[1，LIMIT]内时直接返回INDEX ．相当于数学上用INDEX 对LIMIT 取模函数的值+1，即@WRAP(INDEX,LIMIT)=@MOD(INDEX,LIMIT)+1．此函数对LIMIT ＜1无定义．可以想到，此函数的目得之一是防止集合的索引值越界．@SIZE(set_name)：返回集合set_name 的模，即元素的个数．五、变量定界函数变量定界函数是对变量的取值范围加以限制的函数．主要有@BIN, @BND, @FREE, @GIN 四种，下面简要介绍其作用．@BIN(variable)：限制变量variable 为0或1．@BND(lower_bound, variable, upper_bound)：限制lower_bound ＜＝variable ＜＝upper_bound@FREE(variable)：取消对变量variable 的符号限制（即可取负数、0或正数）． @GIN(variable)：限制变量variable 为整数．六、财务会计函数财务会计函数是用于计算净现值的函数．主要有@FPA, @FPL 两种，下面简要介绍其作用． @FPA(I,N)：返回若干时段单位等额回收净现值．其中单位时段利率为I,时段N 个，即∑=+=Nn n I N I FPA 1)1(1),(@ @FPL(I,N)：返回一个时段单位回收净现值．其中单位时段利率为I,时段N ，即N I N I FPL )1(1),(@+=七、概率中的相关函数概率中的相关函数是涉及到概率论和随机过程中的一些函数．主要有以下函数： @PSN(X)：返回标准正态分布的分布函数在X 点的取值．@PSL(X)：标准正态的线性损失函数，即返回MAX(0,Z-X)的期望值，其中Z 为均值为A的Poisson随机变量．@PPS(A,X)：返回均值为A的Poisson分布的分布函数在X点的取值．@PPL(A,X)：Poisson分布的线性损失函数，即返回MAX(0,Z-X)的期望值，其中Z为标准正态随机变量．@PBN(P,N,X)：返回参数为（N,P）的二项分布的分布函数在X点的取值．@PHG(POP,G,N,X)：返回总共有POP个球，其中G个是白球，随机地从中取出N个球，白球不超过X的概率．@PFD(N,D,X)：返回自由度为N和D的F分布的分布函数在X点的取值．分布的分布函数在X点的取值．@PCX(N,X)：返回自由度为N的2@PTD(N,X)：返回自由度为N的t分布的分布函数在X点的取值．@PEB(A,X)：返回当到达负荷（强度）为A，服务系统有X个服务器且允许无穷排队时的Erlang繁忙概率．@PEL(A,X)：返回当到达负荷（强度）为A，服务系统有X个服务器且不允许排队时的Erlang繁忙概率．@PFS(A,X,C)：返回当负荷上限为A，顾客数为C，并行服务器数量为X时，有限源的Poisson服务系统得等待顾客数的期望值．@QRAND(SEED)：返回0与1之间的多个拟均匀随机数，其中SEED为种子，默认时取当前计算机时间为种子．该函数只能用在数据段（DATA-ENDDATA）．@RAND(SEED)：返回0与1之间的一个伪均匀随机数，其中SEED为种子．八、文件输入输出函数文件输入输出函数是指通过文件输入数据和输出结果的函数．主要有以下函数：@FILE('filename')：这个函数提供LINGO与文本文件的接口，用于引用其它ASCII码或文本文件中的数据，其中filename为存放数据的文件名（包括路径，没有指定路径时表示当前目录），该文件中记录之间必须用符号“～”分开．主要用在集合段和数据段，通过文本文件输入数据．@TEXT(['filename'])：用于数据段中将解答结果送到文本文件filename中．@ODBC(['data_source'[,'table_name'[,'col_1'[, 'col_2'...]]]])：这个函数提供LINGO与ODBC（open data base connection,开放式数据库连接）的接口，用于集合段和数据段中引用其它数据库数据或将解答结果送到数据库中．其中data_source是数据库名，table_name是数据表名，col_i是数据列名（数据域名）．@OLE('spreadsheet_file'[,range_name_list])：这个函数提供LINGO与OLE（object linking and embedding，对象链接与嵌入）的借口，用于集合段、数据段和初始段中输入和输出数据库．其中spreadsheet_file是文件名，range_name_list是文件中包含数据的单元范围．@POINTER(N)：在Windows下使用LINGO的动态链接库（dynamic link library ,DLL），直接从共享的内存中传送数据．§3.4 LINGO软件求解案例一、生产管理问题1．问题实例某厂有5种设备A1,A2,…,A5，用来加工7种零部件B1,B2,…,B7，每种设备的数量、每种零部件的单位成本及所需各设备的加工工时（以小时计）见表1表1在其后的半年中，工厂有设备检修计划（停工检修时间一个月）见表2表2工厂在半年中有订单（必须按时交货）见表3表3每种零部件库存最多可到100件，现每种零部件有库存80件，库存费用每件每月为0.5元，，要求到六月底每种零部件有存货50件，每种零部件生产至少50件．工厂每周工作5天，每天2班，每班8小时．试回答如下问题：（1） 工厂如何安排各月份各种零部件的加工数量？（2） 单位成本有10%的变化，对计划有什么影响？（3） 设备各增加1台对计划有什么的影响．2．模型建立设： ij a 为第j 种零部件在第i 种设备上的单位加工工时)7,,2,1,5,,2,1( ==j i ；ik b 为第i 种设备在第k 月的数量)6,,2,1,5,,2,1( ==k i ； kj d 为第k 月第j 种零部件的顶单数量)7,,2,1,6,,2,1( ==j k ； j c 为第j 种零部件的单位收益)7,,2,1( =j ； kj x 为第k 月第j 种零部件的生产数量)7,,2,1,6,,2,1( ==j k ； kj s 为第k 月末第j 种零部件的库存数量)7,,2,1,6,,2,1( ==j k ； 800=j s 为初始库存)7,,2,1( =j假设每月以20天计，有以下模型：⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧==≥≥==≥=≤====-+===≤+-=====∑∑∑∑∑)(7,,2,1,6,,2,1,0,07,,2,1,6,,2,1,50)(7,,2,1,100)(7,,2,1,50)(7,,2,1,6,,2,1,)(6,,2,1,5,,2,13205.0min 6(617161617171非负约束生产要求个月末的库存第种零部件的库存月第第种设备的有效工时月第第费用目标））（，库存约束 j k s x j k x j s j s j k d x s s k i b x a s x c kj kj kj kjjkj kj j k kj ik j kj ij k k j kj j kj j j k i k 3．模型求解利用LINGO 软件计算，输入model:sets:cp/1..7/:c;yf/1..6/:;sb/1..5/:;sl1(yf,cp):x,d,s;sl2(sb,cp):a;sl3(sb,yf):b;endsetsdata:a=0.5 0.7 0.0 0.0 0.3 0.2 0.50.1 0.2 0.0 0.3 0.0 0.6 0.00.2 0.0 0.8 0.0 0.0 0.0 0.60.05 0.03 0 0.07 0.1 0 0.080 0 0.01 0 0.05 0 0.05;b=3 4 4 4 3 42 2 1 1 1 23 1 3 3 3 21 1 1 1 1 11 1 1 1 1 1;d=250 500 150 150 400 100 100300 250 100 0 200 150 100150 300 0 0 250 200 100100 150 200 250 100 0 1000 100 250 100 500 150 0250 250 100 300 550 250 100;c=100 60 80 40 110 90 30;enddatamin=@sum(sl1(k,j):c(j)*x(k,j)+0.5*s(k,j));@for(yf(k):@for(sb(i):@sum(cp(j):a(i,j)*x(k,j))<=320*b(i,k))); @for(yf(k)|k#gt#1:@for(cp(j):s(k,j)=s(k-1,j)+x(k,j)-d(k,j))); @for(cp(j):s(1,j)=80+x(1,j)-d(1,j));@for(cp(j):s(6,j)=50);@for(sl1(k,j):s(k,j)<=100);@for(sl1(k,j):x(k,j)>=50);end（1）计算结果有：目标函数：590580 z（2）目标的灵敏度分析：Objective Coefficient Ranges（目标系数的灵敏度分析）Current Allowable AllowableVariable Coefficient Increase Decrease变量目前系数允许增加范围允许减少范围X( 1, 1) 100.0000 INFINITY0.5000000X( 1, 2) 60.00000 INFINITY 0.5000000X( 1, 3) 80.00000 INFINITY 0.5000000X( 1, 4) 40.00000 INFINITY 1.500000X( 1, 5) 110.0000 INFINITY 0.5000000X( 1, 6) 90.00000 INFINITY 0.5000000X( 1, 7) 30.00000 INFINITY 0.5000000X( 2, 1) 100.0000 0.5000000 0.5000000X( 2, 2) 60.00000 0.5000000 0.5000000X( 2, 3) 80.00000 0.5000000 1.000000X( 2, 4) 40.00000 INFINITY 1.000000X( 2, 5) 110.0000 0.5000000 0.5000000X( 2, 6) 90.00000 0.5000000 0.5000000X( 2, 7) 30.00000 0.5000000 0.5000000X( 3, 1) 100.0000 0.5000000 0.5000000X( 3, 2) 60.00000 0.5000000 0.5000000X( 3, 3) 80.00000 INFINITY 0.5000000X( 3, 4) 40.00000 INFINITY 0.5000000X( 3, 5) 110.0000 0.5000000 0.5000000X( 3, 6) 90.00000 0.5000000 1.000000X( 3, 7) 30.00000 0.5000000 0.5000000X( 4, 1) 100.0000 0.5000000 1.000000X( 4, 2) 60.00000 0.5000000 0.5000000X( 4, 3) 80.00000 0.50000000.5000000X( 4, 4) 40.00000 0.5000000 0.5000000X( 4, 5) 110.0000 0.5000000 0.5000000X( 4, 6) 90.00000 INFINITY 0.5000000X( 4, 7) 30.00000 0.5000000 1.000000X( 5, 1) 100.0000 INFINITY 0.5000000X( 5, 2) 60.00000 0.5000000 0.5000000X( 5, 3) 80.00000 0.5000000 0.5000000X( 5, 4) 40.00000 0.5000000 0.5000000X( 5, 5) 110.0000 0.5000000 0.5000000X( 5, 6) 90.00000 0.5000000 0.5000000X( 5, 7) 30.00000 INFINITY 0.5000000X( 6, 1) 100.0000 0.5000000 INFINITYX( 6, 2) 60.00000 0.5000000 INFINITYX( 6, 3) 80.00000 0.5000000 INFINITYX( 6, 4) 40.00000 0.5000000 INFINITYX( 6, 5) 110.0000 0.5000000 INFINITYX( 6, 6) 90.00000 0.5000000 INFINITYX( 6, 7) 30.00000 0.5000000 INFINITY其中INFINITY是无穷．从以上灵敏度分析可见，提高10%,有超出允许范围的，所以对计划有影响．（3）约束条件的灵敏度分析：Righthand Side Ranges（右边常数项的灵敏度分析） Row Current Allowable AllowableRHS Increase Decrease行目前常数项允许增加范围允许减少范围2 960.0000 INFINITY450.00003 640.0000 INFINITY488.00004 960.0000 INFINITY840.00005 320.0000 INFINITY258.00006 320.0000 INFINITY300.80007 1280.000 INFINITY836.00008 640.0000 INFINITY473.00009 320.0000 INFINITY138.000010 320.0000 INFINITY268.400011 320.0000 INFINITY305.500012 1280.000 INFINITY830.000013 320.0000 INFINITY110.000014 960.0000 INFINITY 830.000015 320.0000 INFINITY 267.000016 320.0000 INFINITY 302.000017 1280.000 INFINITY 1035.00018 320.0000 INFINITY 205.000019 960.0000 INFINITY 760.000020 320.0000 INFINITY 282.000021 320.0000 INFINITY 308.500022 960.0000 INFINITY 670.000023 640.0000 INFINITY 525.000024 960.0000 INFINITY 720.000025 320.0000 INFINITY 253.500026 320.0000 INFINITY 290.000027 1280.000 INFINITY 655.000028 640.0000 INFINITY 270.000029 640.0000 INFINITY 410.000030 320.0000 INFINITY 206.000031 320.0000 INFINITY 283.5000从以上灵敏度分析可见，提高1台,没有超出允许范围的，所以对计划没有影响．也可以将数据与模型分离，先准备数据文件exam01.ldt:!单耗;0.5 0.7 0.0 0.0 0.3 0.2 0.50.1 0.2 0.0 0.3 0.0 0.6 0.00.2 0.0 0.8 0.0 0.0 0.0 0.60.05 0.03 0 0.07 0.1 0 0.080 0 0.01 0 0.05 0 0.05~!设备数量;3 4 4 4 3 42 2 1 1 1 23 1 3 3 3 21 1 1 1 1 11 1 1 1 1 1~!需求;250 500 150 150 400 100 100300 250 100 0 200 150 100150 300 0 0 250 200 100100 150 200 250 100 0 1000 100 250 100 500 150 0250 250 100 300 550 250 100~!单位成本;100 60 80 40 110 90 30~再写程序如下：model:sets:cp/1..7/:c;yf/1..6/:;sb/1..5/:;sl1(yf,cp):x,d,s;sl2(sb,cp):a;sl3(sb,yf):b;endsetsdata :a=@file ('exam01.ldt');b=@file ('exam01.ldt');d=@file ('exam01.ldt');c=@file ('exam01.ldt');enddatamin =@sum (sl1(k,j):c(j)*x(k,j)+0.5*s(k,j));@for (yf(k):@for (sb(i):@sum (cp(j):a(i,j)*x(k,j))<=320*b(i,k))); @for (yf(k)|k#gt#1:@for (cp(j):s(k,j)=s(k-1,j)+x(k,j)-d(k,j))); @for (cp(j):s(1,j)=80+x(1,j)-d(1,j));@for (cp(j):s(6,j)=50);@for (sl1(k,j):s(k,j)<=100);@for (sl1(k,j):x(k,j)>=50);end二、下料问题1．问题实例有某种材料一根长19米．现需用其切割4米长毛坯50根、5米长毛坯10根、6米长毛坯20根、8米长毛坯15根．如何切割使其用料最省？要求切割模式不能超过3种．2．模型建立设：4,3,2,1=i 分别表示4米长，5米长，6米长，8米长的毛坯；i a 为第i 种毛坯的长度)4,3,2,1(=i ；i b 为第i 种毛坯的需要量)4,3,2,1(=i ；j x 为第j 种切割模式所用的材料数量)3,2,1(=j ；ij r 为第j 种切割模式切割第i 种毛坯的数量)3,2,1,4,3,2,1(==j i ．一种合理的切割模式应满足：其余料长度不应该大于或等于需要切割毛坯的最小长度．于是有模型如下⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧==≥≥=≥=≤=≥=∑∑∑∑====3,2,1,4,3,2,1,0,0(3,2,1,16(3,2,1,19(4,3,2,1,(min 41413131j i r x j r a j r a i b x r x z ij ji ij i i ij i i j j ij j j 且整数合理的下料模式所下毛坯的总长所下毛坯的需要量用料目标））））3．模型求解为了便于运算，我们先来缩小可行域．由于3种切割模式的排列顺序是无关紧要的，所以不妨增加以下约束：321x x x ≥≥又注意到用料的总量有明显的上界和下界．首先，无论如何，用料总量不可能少于2619158206105504=⎥⎥⎤⎢⎢⎡⨯+⨯+⨯+⨯ 其次，考虑一种特殊的下料计划：模式1：切割成4根4米钢管，需13根；模式2：切割成1根5米和2根6米钢管，需10根；模式3：切割成2根8米钢管，需8根．这样需要13+10+8=31于是可得到解的一个上界．所以又可增加约束：3126321≤++≤x x x利用LINGO 软件计算，输入model:sets:needs/1..4/:a,b;cuts/1..3/:x;patterns(needs,cuts):r;endsetsdata:a=4 5 6 8;b=50 10 20 15;enddatamin=@sum(cuts(j):x(j));!用料目标;@for(needs(i):@sum(cuts(j):x(j)*r(i,j))>b(i));!需要量要求;@for(cuts(j):@sum(needs(i):a(i)*r(i,j))<19);!材料总长;@for(cuts(j):@sum(needs(i):a(i)*r(i,j))>16);!合理模式;@sum(cuts(j):x(j))>26;!用料下限;@sum(cuts(j):x(j))<31;!用料上限;@for(cuts(j)|j#lt#@size(cuts):x(j)>x(j+1));!人为约束;@for(cuts(j):@gin(x(j)));!整数约束;@for(patterns(i,j):@gin(r(i,j)));!整数约束;end经过LINGO求解，得到输出如下：Objective value: 28.00000Variable Value Reduced CostX( 1 ) 10.00000 0.000000X( 2 ) 10.00000 2.000000X( 3 ) 8.000000 1.000000R( 1, 1) 3.000000 0.000000R( 1, 2) 2.000000 0.000000R( 1, 3) 0.000000 0.000000R( 2, 1) 0.000000 0.000000R( 2, 2) 1.000000 0.000000R( 2, 3) 0.000000 0.000000R( 3, 1) 1.000000 0.000000R( 3, 2) 1.000000 0.000000R( 3, 3) 0.000000 0.000000R( 4, 1) 0.000000 0.000000R( 4, 2) 0.000000 0.000000R( 4, 3) 2.000000 0.000000即按照模式1、2、3分别切割10、10、8根材料，使用材料总根数为28根．第一种切割模式下1根材料切割3根4米的和1根6米的；第二种切割模式下1根材料切割2根4米的、1根5米的和1根6米的；第三种切割模式下1根材料切割2根8米的．三、投资组合问题1．问题实例有三种股票A,B,C，其前12年的价值每年的增长情况如表所示表中还给出了相应年份的500种股票的价格指数的增长情况．假设目前你有一笔资金准备投资这三种股票，并期望年收益率达到15%，那么你应如何投资？ 2．模型建立设：3,2,1=i 分别表示表示A,B,C 三种股票；i R 为第i 种股票的价值)3,2,1(=i ；ij R 为第i 种股票第j 年的价值)12,,2,1,3,2,1( ==j i ；M 为指数；j M 为第j 年的指数)12,,2,1( =j ；i x 为投资第i 种股票比例)3,2,1(=i ．股票指数反映的是股票市场的大势信息，对每只股票的涨跌是有影响的．假设每只股票的收益与股票指数成线性关系．即i i i i e M b a R ++=或12,,2,1,3,2,1, ==++=j i e M b a R ij j ij ij ij其中ij ij b a ,是待定系数，ij e 是一个随机误差，其均值为0)(=ij e E ，方差为)(2ij ij e D s =，此外假设随机误差ij e 与其他股票和股票指数都是独立的，所以0)()(==j ij kj ij M e E e e E ．先根据所给数据回归计算ij ij b a ,，即使误差的平方和最小：3,2,1,||min12121212=-+=∑∑==i R M b a ej ij j ij ij j ij可用Matlab 软件做该回归计算，也可用LINGO 软件分别来做每只股票的回归计算，输入 model: sets:year/1..12/:M,R,a,b,e; endsets data:R=1.300 1.103 1.216 0.954 0.929 1.056 1.038 1.089 1.090 1.083 1.035 1.176;M=1.258997 1.197526 1.364361 0.919287 1.057080 1.055012 1.187925 1.317130 1.240164 1.183675 0.990108 1.526236; enddata calc:mean0=@sum(year(j):M(j))/@size(year);s20=@sum(year(j):@sqr(M(j)-mean0))/(@size(year)-1); s0=@sqrt(s20); endcalc min=s2;s2=@sum(year(j):@sqr(e(j)))/(@size(year)-2); s=@sqrt(s2);@for(year(j):e(j)=R(j)-a-b*M(j)); @for(year(j):@free(e(j))); @free(a);@free(b);End对上面的程序，注意以下几点： （1）只给了一种股票的价值R ；（2）在CALC 段直接计算了M 的均值mean0和方差s20以及标准差s0（为了使这个估计是无偏估计，分母是11而不是12）；（3）程序中用到平方函数@sqr 和平方根函数@sqrt ；（4）除了计算回归系数外，同时估计了回归误差s2和标准差s ，为了使这个估计是无偏估计，分母是10而不是11和12，这是因为此时已经假设保持误差的均值为0，所以自由度又少了一个；（5）@free(a),@free(b),@free(e)三个语句不能少，因为它们不一定是非负的； 运行这个LINGO 模型，结果为：Objective value: 0.5748320E-02Variable Value Reduced CostMEAN0 1.191458 0.000000 S20 0.2873661E-01 0.000000 S0 0.1695188 0.000000 S2 0.5748320E-02 0.000000 S 0.7581767E-01 0.000000 A 0.5639761 0.000000 B 0.4407264 0.000000也就是说：M 的均值191458.10=m ，方差02873661.020=s ，标准差1695188.00=s ，对股票A ，回归系数5639761.01=a ，4407264.01=b ，误差的方差005748320.021=s ，误差的标准差07581767.01=s ．同理，可以得到：对股票B ，回归系数239802.1,2635059.022=-=b a ，误差的方差01564263.022=s ，误差的标准差1250705.02=s ．对股票C ，回归系数523798.1,5809590.033=-=b a ，误差的方差03025165.023=s ，误差的标准差1739300.03=s ．于是，年投资收益为∑∑==++==3131)(i i i i i i i i e M b a x R x R收益的期望为∑∑==+=++=31031)()(i i i i i i i i i m b a x e M b a E x ER收益的方差为∑∑==+=++=3122202312])[()(i i i i i i i i i i s x s b x e M b a D x DR进一步，令∑=ii b x y ，则模型应该为⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧≥≥+==+=∑∑∑∑====015.1)(1 ..)(min 31031313122202ii i i i i ii ii i i i x m b a x x b x y t s s x s y z 3．模型求解利用LINGO 软件计算，输入 model: sets:stocks/1..3/:u,b,s2,x; endsets data:mean0=1.191458; s20=0.02873661;s2=0.005748320,0.01564263,0.03025165; u=0.5639761,-0.2635059,-0.5809590; b=0.4407264,1.239802,1.523798; enddatamin=s20*@sqr(y)+@sum(stocks(i):s2(i)*@sqr(x(i))); @sum(stocks(i):b(i)*x(i))=y; @sum(stocks(i):x(i))=1;@sum(stocks(i):(u(i)+b(i)*mean0)*x(i))>1.15; end运算这个LINGO 模型，输出结果如下Objective value: 0.2465621E-01 Y 0.8453449 0.000000 X( 1) 0.5266052 0.000000 X( 2) 0.3806461 0.000000 X( 3) 0.9274874E-01 0.000000根据运算结果可知：A 大约占初始时刻总资产的53%，B 占38%，C 占9%．四、最小费用最大流问题1．问题实例需要将某地s 的天然气通过管道输送到另一地t ，中间有4个中转站4321,,,v v v v ．由于输气管道的长短粗细不一或地质等原因，使得每条管道上的运输量及费用不同．下图给出了这两地与中转站的连接以及管道的容量、费用：图中括号里第一个数字是管道容量，第二个数字是管道单位运费．考虑s 地到t 地如何输送天然气，使得费用最小流量最大． 2．模型建立设：V 为网络顶点集，A 为网络的弧集；ij f 为弧),(j i 上的流量； ij b 为弧),(j i 上的单位运费； ij c 为弧),(j i 上的容量；)(f v 为发点处的净流量．根据最大流的定义，我们有模型如下：⎪⎪⎪⎩⎪⎪⎪⎨⎧⎪⎪⎩⎪⎪⎨⎧∈≤≤⎪⎩⎪⎨⎧≠=-==-∑∑∑∈∈∈∈∈Aj i c f t s i ti f v s i f v f f t s f v t s f bij ij A i j V j ji A j i V j ij Aj i ijij),(,0, 0 )( ),(..)(max ..min),(),(),( 3．模型求解先考虑最大流模型，LINGO 软件输入如下 model: sets:nodes/s,1,2,3,4,t/;arcs(nodes,nodes)/s,1 s,2 1,2 1,3 2,4 3,2 3,t 4,3 4,t/:c,f;endsetsdata:c=8 7 5 9 9 2 5 6 10;enddatamax=flow;@for(nodes(i)|i#ne#1 #and# i#ne#@size(nodes):@sum(arcs(i,j):f(i,j))-@sum(arcs(j,i):f(j,i))=0);@sum(arcs(i,j)|i#eq#1:f(i,j))=flow;@for(arcs(i,j):@bnd(0,f(i,j),c(i,j)));end计算结果如下：Objective value: 14.00000Variable Value Reduced Cost FLOW 14.00000 0.000000F( S, 1) 7.000000 0.000000F( S, 2) 7.000000 0.000000 F( 1, 2) 2.000000 0.000000 F( 1, 3) 5.000000 0.000000 F( 2, 4) 9.000000 -1.000000 F( 3, 2) 0.000000 0.000000 F( 3, T) 5.000000 -1.000000 F( 4, 3) 0.000000 1.000000 F( 4, T) 9.000000 0.000000 其次考虑最小费用最大流模型，LINGO软件输入如下model:sets:nodes/s,1,2,3,4,t/;arcs(nodes,nodes)/s,1 s,2 1,2 1,3 2,4 3,2 3,t 4,3 4,t/:b,c,f;endsetsdata:b=2 8 5 2 3 1 6 4 7;c=8 7 5 9 9 2 5 6 10;flow=14;enddatamin=@sum(arcs(i,j):b(i,j)*f(i,j));@for(nodes(i)|i#ne#1 #and# i#ne#@size(nodes):@sum(arcs(i,j):f(i,j))-@sum(arcs(j,i):f(j,i))=0);@sum(arcs(i,j)|i#eq#1:f(i,j))=flow;@for(arcs(i,j):@bnd(0,f(i,j),c(i,j)));end计算结果如下：Objective value: 205.0000Variable Value Reduced CostF( S, 1) 8.000000 -1.000000F( S, 2) 6.000000 0.000000F( 1, 2) 1.000000 0.000000F( 1, 3) 7.000000 0.000000F( 2, 4) 9.000000 0.000000F( 3, 2) 2.000000 -3.000000F( 3, T) 5.000000 -8.000000F( 4, 3) 0.000000 11.00000F( 4, T) 9.000000 0.000000附录 LINGO出错信息在LINGO程序求解时，系统首先会对程序进行编译．系统在编译或执行其他命令时，会因程序中的错误或运行错误，弹出一个出错报告窗口，显示其错误代码，并简要指出错误的原因．这些错误报告信息能够提示用户发现程序中的错误，以便能尽快修改．下面我们给出出错信息的一个简要说明，仅供参考．LINGO错误编号及原因对照表习题1．用LINGO 软件求解线性规划问题并作灵敏度分析（1） ⎪⎩⎪⎨⎧≥≤++≤++-++-=0,,9010412203..1355max 321221321321x x x x x x x x x t s x x x （2） ⎪⎩⎪⎨⎧≥≤≤+--≤+---+-=0,,,1035.0125.009825.0..65.02075.0max 3213432143214321x x x x x x x x x x x x t s x x x x z 2．用LINGO 软件求解0-1规划问题⎪⎪⎩⎪⎪⎨⎧=≥+-+≥+++-≥+++-+++=10,,,11424204..4352min 43214321432143214321或x x x x x x x x x x x x x x x x t s x x x x 3．用LINGO 软件求解整数规划问题⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧≥≤≤≤≤=+=-+=-+=-++++++=且整数0,,,,,,20,45,40,3025352515..2.02.02.05.54.51.50.5min 3214321432134323212113214321y y y x x x x x x x x y x y y x y y x y x t s y y y x x x x4．用LINGO 软件求解非线性规划问题 ⎪⎪⎩⎪⎪⎨⎧=≤≤--=+-+=++-+-+-+-+-=5,4,3,2,1,55222223..)()()()()1(min 4232332215544433322211i x x x x x x x t s x x x x x x x x x z i5．用LINGO 软件求解⎪⎩⎪⎨⎧-∈≤+++≤-≤+≤-+=}1,1{,,,2311..21max 432143214321T T x x x x x x x x x x x x t s z Qx x x c 其中T )2,4,8,6(-=c ，Q 是三对角线矩阵，主对角线上元素全为-1，两条次对角线上元素全为2．。
LINGO应用教程
第十章 LINGOLingo 软件是求解线性规划、非线性规划的数学软件，也可用于一些线性和非线性方程组的求解等。
Lingo 实际上也是最优化问题的一种建模语言，包括许多常用的数学函数供使用者建立优化模型时调用，并可以接受与其他数据文件交换数据。
第一节 LINGO 软件的基本使用方法1.1 LINGO 使用入门在windows 操作系统下启动LINGO 后，将进入LINGO 集成环境，包括主框架窗口和模型窗口两部分。
主框架窗口集成了菜单和命令按钮，模型窗口用于输入模型。
例1 求解数学模型12121212max 23..4310351200x x s t x x x x x x ++≤+≤≥≥解：在模型窗口输入LINGO 求解模型如下：输入模型后选择菜单LINGO|Solve 或者按工具栏的，LINGO开始编译模型，如有语法错误将返回一个错误的消息并指明错误出现的位置；如果通过编译，LINGO将激活Solver运算器寻求模型的最优解，首先出现Solver Status状态窗口显示模型求解的运算状态信息：状态窗口显示的信息含义如下：“Global optimal solution found”表示得到全局最优解。
“Objective value: 7.454545”表示最优目标值为7.454545。
“Total solver iterations：2” 表示迭代2次得到结果。
“V alue”给出最优解中各变量的值：x1=1.272727，x2=1.636364。
Reduced Cost 值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，相应的reduced cost值表示当某个变量xj 增加一个单位时目标函数减少的量( max型问题)。
本例中此值均为0。
SLACK OR SURPLUS值给出约束条件的松驰变量或剩余变量的值。
lingo引用excel中的矩阵
lingo引用excel中的矩阵摘要：一、Lingo 软件介绍1.Lingo 软件的基本概念2.Lingo 软件的主要功能和应用领域二、Excel 中的矩阵使用1.Excel 中矩阵的基本概念2.Excel 中矩阵的创建与编辑3.Excel 中矩阵的数据类型与格式三、Lingo 引用Excel 中的矩阵1.Lingo 与Excel 的数据交互2.如何在Lingo 中引用Excel 中的矩阵3.Lingo 引用Excel 矩阵的优势与注意事项四、结论1.Lingo 引用Excel 矩阵的实际应用案例2.Lingo 与Excel 矩阵结合的前景与展望正文：一、Lingo 软件介绍Lingo 是一款专业的数学建模与优化软件，广泛应用于运筹学、统计学、经济学等多个领域。
Lingo 可以帮助用户解决复杂的数学问题，例如线性规划、整数规划、动态规划等。
通过Lingo 软件，用户可以快速地构建数学模型，并对模型进行求解和分析。
二、Excel 中的矩阵使用矩阵是数学中的一个重要概念，它是一个按照长方形阵列排列的复数或实数集合。
在Excel 中，用户可以通过创建公式和函数来创建和编辑矩阵。
Excel 提供了丰富的矩阵操作功能，例如矩阵的相加、相减、相乘、求逆等。
此外，Excel 还可以对矩阵进行数据透视表、图表等可视化操作。
三、Lingo 引用Excel 中的矩阵Lingo 软件可以与Excel 进行数据交互，用户可以在Lingo 中直接引用Excel 中的矩阵。
具体操作方法如下：1.在Excel 中创建或编辑矩阵2.将Excel 文件中的矩阵复制到Lingo 软件中3.在Lingo 中使用矩阵进行建模和求解通过这种方法，用户可以充分利用Excel 的矩阵编辑功能，同时利用Lingo 软件强大的数学建模和求解能力。
这种组合可以大大提高用户的工作效率和建模效果。
四、结论Lingo 引用Excel 矩阵的实际应用案例非常丰富，例如在供应链管理、物流配送、生产调度等领域。
LINGO的使用方法说明大全
LINGO的使用方法说明大全LINGO的使用简介LINGO软件就是美国的LINGO系统公司开发的一套专门用于求解最优化问题的软件包.LINGO除了能够用于求解线性规划与二次规划外,还可以用于非线性规划求解、以及一些线性与非线性方程(组)的求解等.LINGO软件的最大特色在于它允许优化模型中的决策变量为整数,即可以求解整数规划,而且执行速度快.LINGO就是用来求解线性与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.在这里仅简单介绍LINGO的使用方法.LINGO(Linear INteractive and General Optimizer )的基本含义就是交互式的线性与通过优化求解器.它就是美国芝加哥大学的Linus Schrage 教授于1980年开发了一套用于求解最优化问题的工具包,后来经过完善成何扩充,并成立了LINDO系统公司.这套软件主要产品有:LINDO,LINGO,LINDO API与What’sBest.它们在求解最优化问题上,与同类软件相比有着绝对的优势.软件有演示版与正式版.正式版包括:求解包(solver suite)、高级版(super)、超级版(hyper)、工业版(industrial)、扩展版(extended).不同版本的LINGO对求解问题的规模有限制,如附表３-1所示.附表３-1 不同版本LINGO对求解规模的限制版本类型总变量数整数变量数非线性变量数约束数演示版 300 30 30 150求解包 500 50 50 250高级版 2000 200 200 1000超级版 8000 800 800 4000工业版 32000 3200 32000 16000扩展版无限无限无限无限3、1 LINGO程序框架LINGO可以求解线性规划、二次规划、非线性规划、整数规划、图论及网络最优化问题与最大最小求解问题,以及排队论模型中最优化等问题.一个LINGO程序一般会包括以下几个部分:(1) 集合段:集部分就是LINGO模型的一个可选部分.在LINGO模型中使用集之前,必须在集部分事先定义.集部分以关键字“sets:”开始,以“endsets”结束.一个模型可以没有集部分,或有一个简单的集部分,或有多个集部分.一个集部分可以放置于模型的任何地方,但就是一个集及其属性在模型约束中被引用之前必须先定义.(2) 数据段:在处理模型的数据时,需要为集部分定义的某些元素在LINGO求解模型之前为其指定值.数据部分以关键字“data:”开始,以关键字“enddata”结束.(3) 目标与约束段:这部分用来定义目标函数与约束条件等.该部分没有开始与结束的标记.主要就是要用到LINGO的内部函数,尤其就是与集合有关的求与与循环函数等.(4)初始段:这个部分要以关键字“INIT:”开始,以关键字“ENDINIT”结束,它的作用就是对集合的属性定义一个初值.在一般的迭代算法中,如果可以给一个接近最优解的初始值,会大大减少程序运行的时间.(5) 数据预处理段:这一部分就是以关键字“CALC:”开始,以关键字“ENDCALC”结束.它的作用就是把原始数据处理成程序模型需要的数据,它的处理就是在数据段输入完以后、开始正式求解模型之前进行的,程序语句就是按顺序执行的.3、2 LINGO中集合的概念在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、交通工具与雇工等等.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地发挥LINGO建模语言的优势.现在将深入介绍如何创建集,并用数据初始化集的属性.3、2、1集的构成集就是LINGO建模语言的基础,就是程序设计最强有力的基本构件.借助于集能够用一个单一的、简明的复合公式表示一系列相似的约束,从而可以快速方便地表达规模较大的模型.集就是一群相联系的对象,这些对象也称为集的元素.一个集可能就是一系列产品、卡车或雇员.每个集的元素可能有一个或多个与之有关联的特征,把这些特征称为属性.属性值可以预先给定,也可以就是未知的,有待于LINGO求解的.LINGO有两种类型的集:原始集(primitive set)与派生集(derived set).一个原始集就是由一些最基本的对象组成的.一个派生集就是用一个或多个其它集来定义的,也就就是说,它的元素来自于其它已存在的集.3、2、2模型的集部分集部分在程序中又称为集合段,它就是LINGO模型的一个可选部分.在LINGO模型中使用集之前,必须在集部分事先定义.集部分以关键字“sets:”开始,以“endsets”结束.一个模型可以没有集部分,或有一个简单的集部分,或有多个集部分.一个集部分可以放置于模型的任何地方,但就是一个集及其属性在模型约束中被引用之前必须先定义.(1)原始集的定义为了定义一个原始集,必须详细说明集的名字,而集的元素与相应的属性就是可选的.定义一个原始集,用下面的语法:setname[/member_list/][:attribute_list];注意:用“[]”表示该部分内容就是可选的(下同).Setname就是用来标记集的名字,最好具有较强的可读性.集名字必须严格符合标准命名规则:以拉丁字母或下划线为首字符,其后由拉丁字母、下划线、阿拉伯数字组成的总长度不超过32个字符的字符串,且不区分大小写.注意:该命名规则同样适用于集元素名与属性名等的命名.Member_list就是集元素的列表.如果集元素放在集定义中,那么对它们可采取显式与隐式罗列两种方式.如果集元素不放在集定义中,那么可以在随后的数据部分定义.①当显式罗列元素时,必须为每个元素输入一个不同的名字,中间用空格或逗号隔开,允许混合使用.例3、1 定义一个名为friends的原始集,它具有元素John,Jill,Rose 与Mike,其属性有sex与age: sets:friends/John Jill, Rose Mike/: sex, age;endsets②当隐式罗列元素时,不必罗列出每个集元素.可采用如下语法:setname/member1、、member N/[: attribute_list];这里的member1就是集的第一个元素名,member N就是集的最后一个元素名.LINGO将自动产生中间的所有元素名.LINGO也接受一些特定的首元素名与末元素名,用于创建一些特殊的集.③集元素不放在集定义中,而在随后的数据部分来定义.例3、2!集部分;sets:friends:sex,age;endsets!数据部分;data:friends,sex,age=John,1,16 Jill,0,14 Rose,0,17 Mike,1,13;enddata注意:开头用感叹号(!),末尾用分号(;)表示注释,可跨多行.在集部分只定义了一个集friends,并未指定元素.在数据部分罗列了集元素John,Jill,Rose与Mike,并对属性sex与age分别给出了值.集元素无论用何种字符标记,它的索引都就是从1开始连续计数.在attribute_ list可以指定一个或多个集元素的属性,属性之间必须用逗号隔开.LINGO内置的建模语言就是一种描述性语言,用它可以描述现实世界中的一些问题,然后再借助于LINGO求解器求解.因此,集属性的值一旦在模型中被确定,就不可能再更改.只有在初始部分中给出的集属性值在以后的求解中可更改.这与前面并不矛盾,初始部分就是LINGO求解器的需要,并不就是描述问题所必须的.。
LINGO软件及其应用(中科院)
稀疏集的定义
如果限制派生集的成员，使它成为父集成员所有组合构成的集合的 一个子集，这样的派生集成为稀疏集。
派生集成员列表方式
①显式罗列。 例子：allowed(product,machine,week)/A M 1,A N 2,B N 1/;
派生集是由其它的集来创建。这些集被称为该派生集的父集（原始集 或其它的派生集）。一个派生集既可以是稀疏的，也可以是稠密的。 稠密集包含了父集成员的所有组合（有时也称为父集的笛卡尔乘积） 。稀疏集仅包含了父集的笛卡尔乘积的一个子集，可通过显式罗列和 成员资格过滤器这两种方式来定义。显式罗列方法就是逐个罗列稀疏 集的成员。成员资格过滤器方法通过使用稀疏集成员必须满足的逻辑 条件从稠密集成员中过滤出稀疏集的成员。
供应商 1
供应商 2
供应商 3
工厂1
工厂2
工厂3
25
2 Lingo中的集上机作业 3-1运输问题－供需情况
工厂1 工厂2 工厂3
供应商1 x11
x12
x13
供应量 400
供应商2 x21
x22
x23
700
供应商3 x31
x32
x33
500
需求量 600
500
500 供销平衡
26
3 模型的数据部分和初始部分
例如： （1）产品集中的每个产品可以有一个价格属性； （2）卡车集中的每辆卡车可以有一个牵引力属性； （3）雇员集中的每位雇员可以有一个薪水属性，也可 以有一个生日属性等等。
6
2 Lingo中的集
2.2 什么是集（续）
Lingo有两种类型的集： 原始集(primitive set)和派生集(derived set)
[数学软件及应用(Lingo)实验报告范文]lingo实验报告范文心得
![[数学软件及应用(Lingo)实验报告范文]lingo实验报告范文心得](https://img.taocdn.com/s3/m/b2e98c482f3f5727a5e9856a561252d380eb20b2.png)
[数学软件及应用(Lingo)实验报告范文]lingo实验报告范文心得2022~2022学年第二学期短学期《数学软件及应用(Lingo)》实验报告班级数学131班姓名张金库学号成绩实验名称奶制品的生产与销售方案的制定完成日期：2022年9月3日实验名称：奶制品的生产与销售方案的制定二、实验目的及任务了解并掌握LINGO的使用方法、功能与应用；学会利用LINGO去解决实际中的优化问题。
三、实验内容问题一奶制品加工厂用牛奶生产，两种奶制品，1桶牛奶可以在甲类设备上用12h加工成3kg，或者在乙类设备上用8h加工成4kg。
根据市场的需求，生产,全部能售出，且每千克获利24元，每千克获利16元。
现在现在加工场每天能的到50桶牛奶的供给，每天正式工人总的劳动时间为480h，并且甲类设备每天至多能加工100kg，乙类设备的加工能力没有限制。
为增加工厂的利益，开发奶制品的深加工技术：用2h和3元加工费，可将1kg加工成0.8kg高级奶制品，也可将1kg加工成0.75kg高级奶制品，每千克能获利44元，每千克能获利32元。
试为该工厂制订一个生产销售方案，使每天的净利润最大，并讨论以下问题：假设投资30元可以增加供给1桶牛奶，投资3元可以增加1h的劳动时间，应否做这些投资？假设每天投资150，可以赚回多少？每千克高级奶制品，的获利经常有10%的波动，对制订的生产销售方案有无影响？假设每千克获利下降10%，方案应该变化吗？假设公司已经签订了每天销售10kg的合同并且必须满足，该合同对公司的利润有什么影响？问题分析要求制定生产销售方案，决策变量可以先取作每天用多少桶牛奶生产，，再添上用多少千克加工，用多少千克加工，但是问题要分析，的获利对生产销售方案的影响，所以决策变量取作，，，每天的销售量更为方便。
目标函数是工厂每天的净利润——，，，的获利之和扣除深加工费用。
根本模型决策变量：设每天销售kg，kg，kg，kg，用kg加工，用kg加工。
数学软件应用之lingo
注：LINGO不询问对灵敏度进行分析，灵敏度分析需要 通过修改系统选项启动灵敏度分析后，再调用 “REPORT|RANGE”菜单命令来实现。我们可以把模 型和结果报告保存在文件中。
•运行状态窗口
Variables(变量数量) 变量总数（Total）: 非线性变量数（Nonlinear）: 整数变量数（Integer）: Conatraints(约束数量) 约束总数（Total）: 非线性约束个数（ Nonlinear ）：
返回本节
集循环函数
集循环函数遍历整个集进行操作。其语法为 @function(setname[(set_index_list)[|conditional_qualifier ]]:expression_list); @function相应于下面罗列的四个集循环函数之一；setname是要 遍历的集；set_ index_list是集索引列表； conditional_qualifier是用来限制集循环函数的范围，当集循环 函数遍历集的每个成员时，LINGO都要对conditional_qualifier 进行评价，若结果为真，则对该成员执行@function操作，否则跳 过，继续执行下一次循环。expression_list是被应用到每个集成 员的表达式列表，当用的是@for函数时，expression_list可以包 含多个表达式，其间用逗号隔开。这些表达式将被作为约束加到 模型中。当使用其余的三个集循环函数时，expression_list只能 有一个表达式。如果省略set_index_list，那么在 expression_list中引用的所有属性的类型都是setname集。
在LINGO中使用LINGO模型 1、在 LINGO中可以直接使用LINGO语法编写的优化 模型（优化程序）。举一个简单例题：在名为 LINGO1.lg4的模型文件中保存了一个LINGO模型， 我们现在看看如何打开它 （1）选择菜单命令“File|open(F3)”可以看到“打开文件” 对话框。 （2）打开“LINGO1.lg4”文件。 （3）选择“LINGO|Solve（Ctrl+S）”来运行这个程序。 （运行状态窗口如下图）
2024年度LINGO软件
结果分析
对求解结果进行分析，验证模型的有 效性和可行性。
模型调整
根据结果分析，对模型进行调整和优 化，提高模型的实用性和准确性。
24
05 LINGO软件在各 个领域的应用案 例
2024/3/23
25
生产计划与调度问题
2024/3/23
生产线平衡
LINGO可以用于解决生产线平衡问题，通过优化生产线上 各个工位的任务分配，提高生产效率和资源利用率。
一些学术机构和研究团队也会分享他们的 LINGO使用经验和案例，为学习者提供更多 的学习资源和合作机会。
37
THANKS
感谢观看
2024/3/23
38
LINGO可用于金融市场预测和决策分析，通过建立预测模型和分析工具
，揭示金融市场的运行规律和趋势，为投资决策提供支持。
29
06 LINGO软件与其 他工具的集成与 应用
2024/3/23
30
与Excel的集成与应用
2024/3/23
数据交换
LINGO可以直接从Excel中导入数据，也可以将结果导出到Excel ，实现数据的无缝对接。
2024/3/23
28
金融工程与投资组合优化问题
01
投资组合优化
LINGO可以用于解决投资组合优化问题，通过优化投资组合中各个资产
的配置比例，实现风险和收益的平衡。
02
期权定价与风险管理
利用LINGO建立期权定价模型，可以准确计算期权的价值，为风险管理
提供决策依据。
2024/3/23
03
金融市场预测与决策分析
2024/3/23
整数规划算法
分支定界法、割平面法等适用于整数规划问 题的求解。
Lingo软件学习
算术运算符是针对数值进行操作的。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“﹣”
LINGO具有９种逻辑运算符： #not# 否定该操作数的逻辑值，＃not＃是一个一元运算符 #eq# 若两个运算数相等，则为true；否则为flase #ne# 若两个运算符不相等，则为true；否则为flase #gt# 若左边的运算符严格大于右边的运算符，则为true；否则为flase #ge# 若左边的运算符大于或等于右边的运算符，则为true；否则为flase #lt# 若左边的运算符严格小于右边的运算符，则为true；否则为flase #le# 若左边的运算符小于或等于右边的运算符，则为true；否则为flase #and# 仅当两个参数都为true时，结果为true；否则为flase #or# 仅当两个参数都为false时，结果为false；否则为true
Lingo以Model:开头，以end结束，这两个语句单独成行
补充：关于与Excel中数据的链接
先将Excel中的数据复制到剪切板上，然后将光标置于要插入 数据的部位，再在lingo编辑菜单中选择选择性粘贴（Paste Special），注意粘贴与粘贴链接的区别！
四、Lingo中部分函数介绍
LINGO中的函数有基本元算符，数学函数，金融函数，变 量限定函数等，全部函数请参照Edit|paste funtion。
对例一结果的相关说明
例一运行后得到如下结果:
Global optimal solution found. Objective value: Total solver iterations: Variable X1 X2 Value 250.0000 100.0000 800.0000 2 Reduced Cost 0.000000 0.000000
利用LINGO软件解决数学建模问题
LINGO 7.0 运行结果如下：
Global optimal solution found at step: Objective value:
Variable X1 Value 264937.9
8
933400.0
Reduced Cost 0.0000000 Row 1 2 3 4 5 6 Slack or Surplus 933400.0 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 Dual Price
表1
标准汽油 １ ２ ３ ４ 辛烷数 １０７.５ ９３.０ ８７.０ １０８.０ 蒸 汽
(1 g/cm^2=98Pa)
压 力 库存量 （g/cm^2） 7.11*10^(-2) 11.38*10^(-2) 5.69*10^(-2) 28.45*10^(-2)
表
３８００００ ２６２２００ ４０８１００ １３０１００
表2
飞机汽油 １ ２ 辛烷数 >=９１ >=１００ 蒸汽压力（g/cm^2） <=９.９６＊１０^(-2) <=９.９６＊１０^(-2) 产量需求（Ｌ） 越多越好 >=２５００００
建模过程略（详见《运筹学基础》Ｐ５４—５５） 目标函数：max z=x1+x2+x3+x4 约束条件：x5+x6+x7+x8>=250000 x1+x5<=380000 x2+x6<=265200 x3+x7<=408100 x4+x8<=130100 2.85x1-1.42x2+4.27x3-18.49x4>=0 2.85x5-1.42x6+4.27x7-18.49x8>=0 16.5x1+2.0x2-4.0x3+17x4>=0 7.5x5-7.0x6-13.0x7+8.0x8>=0 xj>=0(j=1,2...,8)
lingo软件及其应用(经典)
sets: set1/A,B,C/: X,Y; endsets data: X=1,2,3;!注意属性值的个数必须等于集成员的个数。 Y=4,5,6; enddata
例2 有时只想为一个集的某个属性的部分成员指定值， 而让该属性的其余成员的保持未知，以便让LINGO去 求出它们的最优值。在数据声明中输入两个相连的逗 号表示该位置对应的集成员的属性值未知。两个逗号 间可以有空格 。
SETS: CITIES /A1,A2,A3,B1,B2/; ROADS(CITIES, CITIES)/ A1,B1 A1,B2 A2,B1 A3,B2/:D; ENDSETS
SETS: STUDENTS /S1..S8/; PAIRS( STUDENTS, STUDENTS) | &2 #GT# &1: BENEFIT, MATCH; ENDSETS
LINGO软件及其应用
薛申芳 2009.3.15
目录
1 软件平台 2 lingo编程 3 应用举例
1 软件平台
（1）美国芝加哥(Chicago)大学的Linus Schrage （莱纳斯.施拉盖 ）教授于1980年前后开发。 （2） LINGO: Linear Interactive General Optimizer (线性交互式通用优化器)。 （3）用来求解的优化模型（连续优化和整数规 划（IP））。 类型：线性规划（LP）、二次规划(QP)、非 线性规划(NLP)。 （4）LINGO的界面如下
2.3 运算符的优先级
优先级 最高
最低
运算符 #NOT# —（负号） ^ * / + － #EQ#相等 #NE#不相等 #GT#大 于 #GE#大于或等于 #LT# #LE# #AND# #OR# <(=) = >(=)
LINGO基本用法
LINGO基本用法1、概况 (1)2、LINGO的基本用法 (1)3、用LINGO编程语言建立模型 (2)4、建立LINGO/LINDO优化模型需要注意的几个基本问题 (3)5、对求解结果的分析 (3)LINGO基本用法LINGO是专门用来求解各种规划问题的软件包，其功能十分强大，是求解优化模型的最佳选择。
1、概况LINGO是美国LINDO系统公司开发的求解数学规划系列软件中的一个，它的主要功能是求解大型线性、非线性和整数规划问题，LINGO分为Demo、Solve Suite、Super、Hyper、Industrial、Extended等六种不同版本。
只有Demo版是免费的。
LINGO的不同版本对模型的变量总数，非线性变量的数目，整形变量数目和约束条件的数量作出了不同的限制。
LINGO的主要功能：(1) 既能求解线性规划问题，也有较强的求解非线性规划问题的能力；(2) 输入模型简练直观(3) 运行速度快，计算能力强(4) 内置建模语言，提供几十个内部函数，从而能以较少语句，较直观的方式描述较大规模的优化模型(5) 将集合的概念引入编程语言，很容易将实际问题转换为LINGO模型(6) 能方便地与Excel，数据库等其他软件交换数据2、LINGO的基本用法通常一个优化模型由下列三部分所组成：(1) 目标函数：一般表示成求某个数学表达式的最大值或最小值。
(2) 决策变量：目标函数值取决于哪些变量(3) 约束条件：对变量附加一些条件限制（通常用等式或不等式表示）注：LINGO默认所有决策变量都非负，因而变量非负条件可以不必输入。
LINGO的语法规定：(1) 求目标函数的最大值或最小值分别用MAX=…或MIN=…来表示；(2) 每个语句必须以分号";"结束，每行可以有多个语句，语句可以跨行；(3) 变量名称必须以字母(A~Z)开头，由字母，数字(0~9)和下划线所组成，长度不超过32个字符，不区分大小写；(4) 可以给语句加上标号，例如[OBJ] MAX= 20*X1+300*X2;(5) 以！开头，以；号结束的语句是注释语句；(6) 如果对变量的取值范围没有作特殊说明，则默认所有决策变量都非负；(7) LINGO模型以语句“MODEL:”开头，以“END”结束，对于比较简单的模型，这两个语句可以省略。
LINGO软件及其应用
LINGO软件及其应用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<=84x1<=174x2<=13x1,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: 14.12500Total solver iterations: 1Variable Value Reduced Cost X1 4.250000 0.000000 X2 1.875000 0.000000Row Slack or Surplus Dual Price1 14.12500 1.0000002 0.000000 1.5000003 0.000000 0.12500004 5.500000 0.000000例题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。
LINGO使用说明
LINGO使用说明一、LINGO的基本特性1.建模语言：LINGO使用一种直观的建模语言，被称为LINGO语言，它使用简洁的语法和自然语言类似的表达方式，使用户能够轻松地描述问题。
2.线性优化：LINGO支持线性规划（LP）和整数线性规划（ILP），它的线性优化功能包括线性约束、线性目标函数和变量定义，可以解决诸如生产优化、资源分配等问题。
3.非线性优化：LINGO还支持非线性规划（NLP）和全局优化（GLO），可以解决包括非线性约束和非线性目标函数的问题。
它提供了多种求解方法和算法，如牛顿法、逐次线性规划等。
4.约束和限制：LINGO能够处理各种类型的约束和限制，包括等式约束、不等式约束、逻辑约束等。
用户可以根据具体问题定义约束，LINGO会自动处理约束的完整性和一致性。
5.求解器：LINGO内置了一系列高效的求解器，如线性规划求解器、非线性规划求解器、整数规划求解器等。
用户可以根据问题的复杂程度选择最适合的求解器。
6.结果分析：LINGO可以生成详细的结果报告，包括优化解、约束条件、目标函数值等。
用户可以通过结果报告来分析问题的解决方案，做出决策。
二、LINGO的使用方法2.创建模型：在LINGO中，用户需要先创建一个模型文件，来描述问题。
可以通过鼠标点击“新建模型”按钮或选择文件菜单中的“新建”选项来创建一个新的模型文件。
3.定义变量：在模型文件中，用户可以定义变量。
变量可以是整数、二进制或连续的，并为每个变量分配一个名称、类型和取值范围。
4.定义目标函数：在模型文件中，用户可以定义一个目标函数。
目标函数可以是线性的或非线性的，并定义在变量上。
5.定义约束：在模型文件中，用户可以定义约束。
约束可以是线性的或非线性的，并定义在变量上。
用户需要通过约束来限制变量的取值范围。
6.设置求解器：在模型文件中，用户可以选择合适的求解器来解决问题。
LINGO提供了多种求解器，用户可以根据问题的复杂程度选择最适合的求解器。
lingo数学模型
lingo数学模型
"lingo"是一种用于数学建模和优化的软件工具。
它提供了一个
直观的界面，用于建立和求解复杂的数学模型，包括线性规划、整
数规划、非线性规划、多目标规划等。
lingo的使用可以帮助分析
师和决策者在面临复杂的决策问题时进行优化决策。
在数学建模方面，lingo可以用来建立数学模型，包括定义决
策变量、约束条件和目标函数。
用户可以通过lingo的界面直观地
输入模型的各个部分，而无需深入了解数学建模的具体语法和规则。
这使得非专业的用户也能够快速地建立数学模型。
在优化方面，lingo提供了强大的求解算法，可以对各种类型
的数学模型进行求解，以找到最优的决策方案。
lingo支持对模型
进行灵敏度分析，帮助用户了解参数变化对最优解的影响，从而更
好地进行决策。
除了数学建模和优化外，lingo还具有数据可视化功能，可以
直观地展示模型的结果和决策方案。
这有助于用户向决策者传达模
型分析的结果，从而更好地支持决策过程。
总的来说，lingo作为数学建模和优化工具，为用户提供了一
个方便、强大的平台，帮助他们解决复杂的决策问题。
通过lingo，用户可以更好地理解问题、制定决策，并得到最优的解决方案。
第十章 LINGO软件使用简介及技巧
最少需要人数 60 70 60 50 20 30
上页 下页 返回 结束
设司机和乘务人员分别在各时间区段一开始上班， 并连续工作八小时，问该公交线路至少配备多少名司 机和乘务人员？从第一班开始排，试建立线性模型. 解 设 x i 为第i 班应报到的人员( i =1,2,„,6)，则应配备 人员总数为：
三个农场达成协议，他们的播种面积与其可灌 溉面积相等，而各农场种何种作物并无限制.问如何 制定各农场种植计划才能在上述限制条件下，使本 地区的三个农场的总净收益最大.
目录 上页 下页 返回 结束
解 设农场1种植的甜菜、棉花和高粱分别为 x 11 , x 12 , x 13亩，农场2种植的甜菜、棉花和高粱分 别为 x 21 , x 22 , x 23 亩，农场3种植的甜菜、棉花和 高粱分别为 x 31 , x 32 , x 33亩. 设三个农场可耕地分别为
a 1 400 , a 2 600 , a 3 300
其最大用水量分别为b 1 600 ,b 2 800 ,b 3 其甜菜、棉花和高粱的种植限额分别为
c 1 600 , c 2 500 , c 3 325
目录 上页 下页 返回
375
结束
其耗水量分别为d 1 3 , d 2 2 , d 3 1 其净收益分别为 e1 4 0 0 , e 2 3 0 0 , e 3 1 0 0 根据题目条件，可建立如下线性模型：
目录 上页 下页 返回 结束
2.2 集合函数 用法： set_operator (set_name|condition:expression) 其中set_operator部分是集合函数名， set_name是数 据集合名， expression部分是表达式， condition部 分是条件，用逻辑表达式描述（无条件时可省略）.
LINGO软件的简介与使用
LINGO软件的使用
运算符的优先级： 优先级 运算符 最高 #NOT# —（负号） ^ * / + —（减法） #EQ# #NE# #GT# #GE# #LT# #LE# #AND# #OR# <(=) = >(=) 最低
LINGO软件的使用
常用函数： ABS(X) 绝对值函数 COS(X) 余弦函数 EXP(X) 指数函数 FLOOR(X) 取整函数 LOG(X) 自然对数函数 MOD(X,Y) 模函数 POW(X,Y) 指数函数 SIGN(X) 符号函数 SIN(X) 正弦函数 SQR(X) 平方函数 SQRT(X) 平方根函数 TAN(X) 正切函数 BIN(X) 限定0-1变量 FREE(X) 取消符号限制 GIN(X) 限制整数 等等还有很多~
absx绝对值函数cosx余弦函数expx指数函数floorx取整函数logx自然对数函数modxy模函数powxy指数函数signx符号函数sinx正弦函数sqrx平方函数sqrtx平方根函数tanx正切函数binx限定01变量freex取消符号限制ginx限制整数等等还有很多lingosolverstatus求解程序状态框
LINGO软件的使用
Solver Status 求解程 序状态框： Model 模型类型 State 解的状态 Objective 最优值 Infeasibility 不满足约 束总数 Iterations 迭代次数
பைடு நூலகம்
LINGO软件的使用
Solution Report 解答报告： 解的状态 Objective value 最优值 Extended solver steps 特 殊求解程序运行步数 Total solver iterations 迭 代次数
lingo使用方法
4）以!开头，以“；”号结束的语句是注 释语句。 5）如果对变量的取值没有作特殊的说明， 则默认所有决策变量都非负； 6）Lingo语句以“MODEL:”开头，以END 结束，对于比较简单的模型，这两个语 句可以省略。 7）@gin(x)表示限制x为整数， @bin(x)表 示限制x为0或1。 8）模型中如果遇到乘号不能省略。
该模型是一个线性规划模型，用lingo软 件求解，令M=5000，编写程序如下：
求解得到优化结果：目标函数值，即每 年度的奖金数额S=135.2227万元，存款方 案，即 x1 , x2 , x3 , x4 , x5 , x6的值为：
分析：假定首次发放奖金的时间是在基金到位后1 年，以后每隔1年发放1次，每年发放的时间大致相 同，校基金会希望获得最佳的基金使用计划，以提 高每年的奖金额，且在n年末仍保留原基金数额M. 实际上n年中发放的奖金总额全部来自于利息，如果 全部基金都存为一年定期，每年都用到期利息发放 奖金，则每年的奖金数为5000*0.018=90万元，这 是没有优化的存款方案。显然，准备在两年后使用 的款项应当存成两年定期，比存两次一年定期的收 益高，以此类推，目标是合理分配基金的存款方案， 使得n年的利息总额最多。
例1 某工厂有两条生产线，分别用来生 产M和P两种型号的产品，利润分别为200 元/个和300元/个，生产线的最大生产能力 分别为每日100和120，生产线每生产一个 M产品需要1个劳动日（1个工人工作8小时 称为1个劳动日）进行调试、检测等工作， 而每个P产品需要两个劳动日，该厂工人每 天共计能提供160劳动日，假如原材料等其 他条件不受限制，问应如何安排生产计划， 才能使获得的利润最大？
解：设两种产品的生产量分别为x1和x2，则 该问题的数学模型为目标函数： maxz=200x1+300x2 约束条件为：
LINGO软件基本功能-精选
纯整数非线性规划
幸运
一、LINGO介绍
LINGO 的主要功能特色为： 1. 既能求解线性规划问题，也有一定求解非 线性规划问题的能力； 2. 输入模型简练直观； 3. 运行速度快、计算能力强；
幸运
一、LINGO介绍
LINGO 的主要功能特色为：
4. 内置建模语言，提供几十个内部函数，从 而能以较少的语句，较直观的方式描述较大规 模的优化模型； 5. 将集合的概念引入编程语言，很容易将实 际问题转换为LINGO 模型； 6. 能方便地与Excel 、数据库等其他软件交换 数据。
幸运
二、用LINGO解决基本的线性规划问题
4. 可以给语句加上标号，例如 [OBJ]
MAX=50*X1+70*X2 （乘号*不能省略） ; 5. 以！开头，以“；”结束的语句是注释语句，显
示为绿色； 6. 如果对变量的取值范围没有做特殊说明，则所有
默认的决策变量均为非负数； 7. LINGO 模型以语句一般以“ MODEL: ”开头，以
幸运
三、用LINGO解决非线性规划问题
例2 求解二次规划问题：
MODEL:
MIN=x^2+y^2-2*x-4*y; !目标函数;
x+y<=1;
!x,y为决策变量;
y<=0.5;
!第二、三行均为约束条件;
end
幸运
三、用LINGO解决非线性规划问题
幸运
三、用LINGO解决非线性规划问题
结果是：当 x=0.5 ，y=0.5 时取得最小值，最 小值为-2.5
幸运
幸运
二、用LINGO解决基本的线性规划问题
例1 求解如下的线性规划模型：
max z ? 50x1 ? 70x2,
- 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)。
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<=84x1<=174x2<=13x1,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: 14.12500Total solver iterations: 1Variable Value Reduced Cost X1 4.250000 0.000000 X2 1.875000 0.000000Row Slack or Surplus Dual Price1 14.12500 1.0000002 0.000000 1.5000003 0.000000 0.12500004 5.500000 0.000000例题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 DecreaseX1 72.00000 24.00000 8.000000X2 64.00000 8.000000 16.00000Righthand Side RangesRow Current Allowable AllowableRHS 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。
输出中除了告诉我们问题的最优解和最优值以外，还有许多对分析结果有用的信息，下面结合题目中提出的3个附加问题给予说明。
3个约束条件的右端不妨看作3种“资源”：原料、劳动时间、车间甲的加工能力。
输出中Slack or Surplus给出这3种资源在最优解下是否有剩余：原料、劳动时间的剩余均为零，车间甲尚余40（公斤）加工能力。
目标函数可以看作“效益”，成为紧约束的“资源”一旦增加，“效益”必然跟着增长。
输出中DUAL PRICES 给出这3种资源在最优解下“资源”增加1个单位时“效益”的增量：原料增加1个单位（1桶牛奶）时利润增长48（元），劳动时间增加1个单位（1小时）时利润增长2（元），而增加非紧约束车间甲的能力显然不会使利润增长。
这里，“效益”的增量可以看作“资源”的潜在价值，经济学上称为影子价格，即1桶牛奶的影子价格为48元，1小时劳动的影子价格为2元，车间甲的影子价格为零。
读者可以用直接求解的办法验证上面的结论，即将输入文件中原料约束milk）右端的50改为51，看看得到的最优值（利润）是否恰好增长48（元）。
用影子价格的概念很容易回答附加问题1）：用35元可以买到1桶牛奶，低于1桶牛奶的影子价格48，当然应该作这项投资。
回答附加问题2）：聘用临时工人以增加劳动时间，付给的工资低于劳动时间的影子价格才可以增加利润，所以工资最多是每小时2元。
目标函数的系数发生变化时（假定约束条件不变），最优解和最优值会改变吗？这个问题不能简单地回答。
上面输出给出了最优基不变条件下目标函数系数的允许变化范围：x1的系数为（72-8，72+24）=（64，96）；x2的系数为（64-16，64+8）=（48，72）。
注意：x1系数的允许范围需要x2系数64不变，反之亦然。
由于目标函数的费用系数变化并不影响约束条件，因此此时最优基不变可以保证最优解也不变，但最优值变化。
用这个结果很容易回答附加问题3）：若每公斤A 1的获利增加到30元，则x1系数变为30×3=90，在允许范围内，所以不应改变生产计划，但最优值变为90×20+64×30=3720。
下面对“资源”的影子价格作进一步的分析。
影子价格的作用（即在最优解下“资源”增加1个单位时“效益”的增量）是有限制的。
每增加1桶牛奶利润增长48元（影子价格），但是，上9面输出的CURRENT RHS 的ALLOWABLE INCREASE 和 ALLOWABLE DECREASE 给出了影子价格有意义条件下约束右端的限制范围： milk）原料最多增加10（桶牛奶），time）劳动时间最多增加53（小时）。
现在可以回答附加问题1）的第2问：虽然应该批准用35元买1桶牛奶的投资，但每天最多购买10桶牛奶。
顺便地说，可以用低于每小时2元的工资聘用临时工人以增加劳动时间，但最多增加53.3333小时。
需要注意的是：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。
比如对于上面的问题，“原料最多增加10（桶牛奶）”的含义只能是“原料增加10（桶牛奶）”时最优基保持不变，所以影子价格有意义，即利润的增加大于牛奶的投资。
反过来，原料增加超过10（桶牛奶），影子价格是否一定没有意义？最优基是否一定改变？一般来说，这是不能从灵敏性分析报告中直接得到的。
此时，应该重新用新数据求解规划模型，才能做出判断。
所以，从正常理解的角度来看，我们上面回答“原料最多增加10（桶牛奶）”并不是完全科学的。
例3 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。
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;enddataendGlobal optimal solution found.Objective value: 664.0000Total solver iterations: 15Variable Value Reduced Cost CAPACITY( WH1) 60.00000 0.000000CAPACITY( WH3) 51.00000 0.000000 CAPACITY( WH4) 43.00000 0.000000 CAPACITY( WH5) 41.00000 0.000000 CAPACITY( WH6) 52.00000 0.000000 DEMAND( V1) 35.00000 0.000000 DEMAND( V2) 37.00000 0.000000 DEMAND( V3) 22.00000 0.000000 DEMAND( V4) 32.00000 0.000000 DEMAND( V5) 41.00000 0.000000 DEMAND( V6) 32.00000 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) 6.000000 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) 9.000000 0.000000 COST( WH1, V8) 5.000000 0.000000 COST( WH2, V1) 4.000000 0.000000 COST( WH2, V2) 9.000000 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) 8.000000 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) 9.000000 0.000000 COST( WH3, V5) 7.000000 0.000000 COST( WH3, V6) 4.000000 0.000000 COST( WH3, V7) 3.000000 0.000000 COST( WH3, V8) 3.000000 0.000000 COST( WH4, V1) 7.000000 0.000000 COST( WH4, V2) 6.000000 0.000000 COST( WH4, V3) 7.000000 0.000000 COST( WH4, V4) 3.000000 0.000000 COST( WH4, V5) 9.000000 0.000000 COST( WH4, V6) 2.000000 0.000000 COST( WH4, V7) 7.000000 0.000000COST( WH5, V1) 2.000000 0.000000 COST( WH5, V2) 3.000000 0.000000 COST( WH5, V3) 9.000000 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) 5.000000 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 5.000000 VOLUME( WH1, V2) 19.00000 0.000000 VOLUME( WH1, V3) 0.000000 5.000000 VOLUME( WH1, V4) 0.000000 7.000000 VOLUME( WH1, V5) 41.00000 0.000000 VOLUME( WH1, V6) 0.000000 2.000000 VOLUME( WH1, V7) 0.000000 6.000000 VOLUME( WH1, V8) 0.000000 6.000000 VOLUME( WH2, V1) 1.000000 0.000000 VOLUME( WH2, V2) 0.000000 4.000000 VOLUME( WH2, V3) 0.000000 1.000000 VOLUME( WH2, V4) 32.00000 0.000000 VOLUME( WH2, V5) 0.000000 1.000000 VOLUME( WH2, V6) 0.000000 2.000000 VOLUME( WH2, V7) 0.000000 2.000000 VOLUME( WH2, V8) 0.000000 0.000000 VOLUME( WH3, V1) 0.000000 4.000000 VOLUME( WH3, V2) 11.00000 0.000000 VOLUME( WH3, V3) 0.000000 0.000000 VOLUME( WH3, V4) 0.000000 9.000000 VOLUME( WH3, V5) 0.000000 3.000000 VOLUME( WH3, V6) 0.000000 4.000000 VOLUME( WH3, V7) 40.00000 0.000000 VOLUME( WH3, V8) 0.000000 4.000000 VOLUME( WH4, V1) 0.000000 4.000000 VOLUME( WH4, V2) 0.000000 2.000000 VOLUME( WH4, V3) 0.000000 4.000000VOLUME( WH4, V5) 0.000000 3.000000 VOLUME( WH4, V6) 5.000000 0.000000 VOLUME( WH4, V7) 0.000000 2.000000 VOLUME( WH4, V8) 38.00000 0.000000 VOLUME( WH5, V1) 34.00000 0.000000 VOLUME( WH5, V2) 7.000000 0.000000 VOLUME( WH5, V3) 0.000000 7.000000 VOLUME( WH5, V4) 0.000000 4.000000 VOLUME( WH5, V5) 0.000000 2.000000 VOLUME( WH5, V6) 0.000000 1.000000 VOLUME( WH5, V7) 0.000000 2.000000 VOLUME( WH5, V8) 0.000000 5.000000 VOLUME( WH6, V1) 0.000000 3.000000 VOLUME( WH6, V2) 0.000000 2.000000 VOLUME( WH6, V3) 22.00000 0.000000 VOLUME( WH6, V4) 0.000000 1.000000 VOLUME( WH6, V5) 0.000000 3.000000 VOLUME( WH6, V6) 27.00000 0.000000 VOLUME( WH6, V7) 3.000000 0.000000 VOLUME( WH6, V8) 0.000000 3.000000Row Slack or Surplus Dual Price1 664.0000 -1.0000002 0.000000 -4.0000003 0.000000 -5.0000004 0.000000 -4.0000005 0.000000 -3.0000006 0.000000 -7.0000007 0.000000 -3.0000008 0.000000 -6.0000009 0.000000 -2.00000010 0.000000 3.00000011 22.00000 0.00000012 0.000000 3.00000013 0.000000 1.00000014 0.000000 2.00000015 0.000000 2.000000二、求解非线性规划举例 1目标函数：min f(x)=(x1-1)^2+(x2-2)^2约束条件：x2-x1=1x1+x2<=2x1>=0,x2>=0输入语句：model:min=(x1-1)^2+(x2-2)^2;x2-x1=1;x1+x2<=2;end输出结果：Local optimal solution found.Objective value: 0.5000000Extended solver steps: 5Total solver iterations: 20Variable Value Reduced CostX1 0.5000000 0.000000X2 1.500000 0.000000Row Slack or Surplus Dual Price1 0.5000000 -1.0000002 0.000000 0.0000003 0.000000 1.000000即可得到最优值0.5。