运筹学实验报告-lingo软件的使用-习题代码

合集下载

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。

运筹学上机实践报告LINGO软件

Southwest university of science and technology实验报告LINGO软件在线性规划中的运用学院名称环境与资源学院专业名称采矿工程学生姓名学号____________________________________ 指导教师陈星明教授二◦一五年十一月实验LINGO软件在线性规划中的运用实验目的掌握LINGO软件求解线性规划问题的基本步骤，了解LINGO软件解决线性规划问题的基本原理，熟悉常用的线性规划计算代码，理解线性规划问题的迭代关系。

实验仪器、设备或软件电脑，LINGO软件实验内容1. LINGO软件求解线性规划问题的基本原理；2•编写并调试LINGO软件求解线性规划问题的计算代码；实验步骤1•使用LINGO计算并求解线性规划问题；2 •写出实验报告，并浅谈学习心得体会（线性规划的基本求解思路与方法及求解过程中出现的问题及解决方法）。

实验过程有一艘货轮，分为前、中、后三个舱位，它们的容积与允许载重量如下表所示。

现有三种商品待运，已知有关数据列于下表中。

又为了航运安全，要求前、中、后舱在实际载重量上大体保持各舱最大允许载重量的比例关系。

具体要求前、后舱分别与中舱之间的载重量比例偏差不超过15%,前、后舱之间不超过10%。

问货轮首先分析问题，建立数学模型:确定决策变量假设i=1,2,3分别代表商品A、B C, 8用j=1,2,3分别代表前、中、后舱，设决策变量X ij为装于j舱位的第i种商品的数量（件）。

确定目标函数商品A的件数为：x11- x12x13商品B的件数为：x21x22x23商品A的件数为：X31 - X32 - X33为使运费最高，目标函数为：确定约束条件前、中、后舱位载重限制为：前、中、后舱位体积限制为：A、B、C三种商品数量的限制条件：各舱最大允许载重量的比例关系构成的约束条件：且决策变量要求非负，即X j > 0,i=1,2；j=1,2,3。

运筹学实验

《运筹学》上机实验报告学院机电工程学院专业工业工程指导教师吴小东班级工业10-1班学生姓名林金铎学生学号实验时间 2012-2013学年第一学期实验一使用LINGO 求解线性规划问题班级：工业10-1班姓名：林金铎学号：评阅成绩：已知如下线性规划模型：123max 303540z x x x =++1231231231233251823412229,,0x x x x x x x x x x x x ++≤⎧⎪++≤⎪⎨++≤⎪⎪≥⎩ 一、利用集的方法编写上述线性规划模型的LINGO 程序。

在LINGO 软件模型中编写本题的程序如下图1-1所示所示。

图1-1 LINGO 模型窗口截图点击LINGO 菜单下的Solve 选项，LINGO 软件求解所输入的模型，得到LINGO 运行状态窗口如图1-2所示图1-2 LINGO运行状态窗口截图运行结束后，关闭LINGO运行状态窗口，获得LINGO软件的结果报告窗口，如图1-3、1-4所示。

图1-3 LINGO结果报告窗口截图（一）图1-4 LINGO结果报告窗口截图（二）二、根据编写的程序，回答以下问题：1、哪些是原始集答：var(j), const(i)是原始集2、哪个是派生集该派生集是稠密集还是稀疏集该派生集有多少个成员答：A(i,j)是派生集,属于稠密集合，共有9个成员3、属性值“5”是属于成员(b1,x3)还是(b3,x1)的属性值答：属于成员(b1,x3)的属性值三、根据程序的运行结果，回答以下问题：1、全局最优值是否已经找到该值是多少答：已经找到，最优值为1652、该模型求解一共迭代了多少次答：共迭代了2次3、在求解结果的界面中，Variable、Value、Reduced Cost、Row、Slack or Surplus 和Dual Price分别表示什么答：Variable表示运算时各定义变量的取值；Value表示给出最优解中各变量的值；Reduced Cost表示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；Row表示行数；Slack or Surplus 表示给出松驰变量的值；Dual Price表示当对应约束有微小变动时, 目标函数的变化率。

lingo软件使用

否则为flase #or# 仅当两个参数都为false时，结果为false；否则为true
一、基本语法--- Lingo的内部函数
◆ 关系运算符 “=” 表示等于关系 “<=” 表示小于等于关系 “>=” 表示大于等于关系
◆ 数学函数 @abs(x) 返回x的绝对值
@sin(x) 返回x的正弦值，x采用弧度制
7 i 1
7
5
154 x ij s ij x ij q j j 1, 2 , , 5 i 1, 2 , , 7 i 1, 2 , , 7 j 1, 2 , , 5 j 1, 2 , , 5
i 1 j 1
Hale Waihona Puke x i 1 x i 2 x i 5 ks i x i 3 x i 4 ys i
一、基本语法---程序结构的三个部分
◆ 目标函数与约束条件部分按模型中的目标函数及约束条件逐句写入格式：max = …… 或 min =……
利用lingo中的内部函数组织目标函数及约束
条件的具体内容
例 sets: factory/1..60/:cost, volume; endsets min=@sum(factory(i): cost(i)*volume(i));
返回x1，x2，…，xn中的最大值
@smin(x1,x2,…,xn)
返回x1，x2，…，xn中的最小值
一、基本语法--- Lingo的内部函数
◆ 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)
集循环函数名集合名循环控制变量
◆ 输入和输出函数输入和输出函数可以把程序和外部数据文件，如文本文件、电子表格等连接起来。 @file 格式：@file(’文件名’) 功能：从指定的外部文本文件中输入数据在数据文件中，以”~”作为一批数据结束的标记，同一文件中，可以含多批数据，系统依次打开数据文件时，依次读取各批数据

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

运筹学实验报告-lingo软件的使用-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内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，天津大学出版社，20053. 优化建模与LINDO/LINGO软件，清华大学出版社，20054．运筹学编写组主编，运筹学（修订版），清华大学出版社，19905．蓝伯雄主编，管理数学（下）—运筹学，清华大学出版社，19976．胡运权主编，运筹学习题集（修订版），清华大学出版社，19957．胡运权主编，运筹学教程（第二版），清华大学出版社，2003实验内容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: 10.66667 Total 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 0.0000006 0.000000 0.000000 Ranges 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 9 4 5 5 3 8 5 3 25 2 1 3 7 4 8 3 767 9 9 2 7 1 2 3 6 5 7 2 6 5 5 9 2 28 1 4 3; enddata end答案Global optimal solution found.Objective value: 473.0000 Infeasibilities: 0.000000 Total solver iterations: 9Model Class: LPTotal variables: 48 Nonlinear variables: 0 Integer 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( 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) 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 1.000000VOLUME( WH3, V4) 0.000000 2.000000 VOLUME( WH3, V5) 0.000000 6.000000 VOLUME( 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 -2.00000015 0.000000 -1.0000003、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实验报告

lingo实验报告《lingo 实验报告》一、实验目的本次 lingo 实验旨在深入了解和掌握 Lingo 软件在优化问题求解中的应用，通过实际操作和案例分析，提高对数学建模和优化算法的理解与运用能力。

二、实验环境本次实验使用的计算机配置为：处理器_____，内存_____，操作系统_____。

Lingo 软件版本为_____。

三、实验内容（一）线性规划问题1、问题描述考虑一个生产计划问题，某工厂生产两种产品 A 和 B，生产 A 产品每个需要消耗 2 个单位的原材料和 3 个单位的工时，生产 B 产品每个需要消耗 3 个单位的原材料和 2 个单位的工时。

工厂现有原材料 100 个单位，工时 80 个单位。

A 产品的单位利润为 5 元，B 产品的单位利润为 4 元。

求如何安排生产计划，使得总利润最大。

2、数学模型设生产 A 产品 x 个，生产 B 产品 y 个，则目标函数为：Max Z ＝5x ＋ 4y约束条件为：2x ＋ 3y ＜＝ 1003x ＋ 2y ＜＝ 80x ＞＝ 0y ＞＝ 03、 Lingo 代码及求解结果｀｀｀lingomodel:max ＝ 5x ＋ 4y;2x ＋ 3y ＜＝ 100;3x ＋ 2y ＜＝ 80;x ＞＝ 0;y ＞＝ 0;end｀｀｀求解结果为：x ＝ 20，y ＝ 20，最大利润为 180 元。

（二）整数规划问题1、问题描述某物流公司需要安排车辆运输货物，有两种车型可供选择，大型车每辆可载货10 吨，小型车每辆可载货5 吨。

共有货物80 吨需要运输，且大型车的数量不能超过 8 辆，小型车的数量不能超过 12 辆。

大型车每辆的运输成本为 100 元，小型车每辆的运输成本为 60 元。

求如何安排车辆，使得运输成本最低。

2、数学模型设安排大型车 x 辆，小型车 y 辆，则目标函数为：Min C ＝ 100x ＋60y约束条件为：10x ＋ 5y ＞＝ 80x ＜＝ 8y ＜＝ 12x ＞＝ 0 且为整数y ＞＝ 0 且为整数3、 Lingo 代码及求解结果｀｀｀lingomodel:min ＝ 100x ＋ 60y;10x ＋ 5y ＞＝ 80;x ＜＝ 8;y ＜＝ 12;＠gin(x)；＠gin(y)；end｀｀｀求解结果为：x ＝ 6，y ＝ 4，最低运输成本为 840 元。

LINGO实验项目

实验项目一线性规划实验学时：2实验目的：线性规划（Linear Programming，简写LP）是运筹学中最成熟的一个分枝，而且是应用最为广泛的一个运筹学分枝，是解决最优化问题的重要工具。

而目前 Lindo/lingo 是求解线性规划比较成熟的一个软件，通过本实验，掌握线性规划模型在 Lindo/lingo 中的求解，并能达到灵活运用。

实验要求：1.掌握线性规划的建模步骤及方法；2.掌握Lindo/lingo 的初步使用；3.掌握线性规划模型在Lindo/lingo 建模及求解；4.掌握线性规划的灵敏度分析实验内容及步骤：例：美佳公司计划制造I、II 两种家电产品。

已知各制造一件时分别占用设备A、B 的台时、调试时间、调试工序每天可用于这种家电的能力、各售出一件时的获利情况，如表1-1 所示。

1.问该公司应制造两种家电各多少件，使其获取的利润最大。

2. 如果资源出租，资源出租的最低价格至少是多少（即每种资源的影子价格是多少）。

3.若家电I 的利润不变，家电II 的利润在什么范围内变化时，则该公司的最优生产计划将不发生变化。

4. 若设备A 和B 每天可用能力不变，则调试工序能力在什么范围内变化时，问题的最优基不变。

解：设x1表示产品I 的生产量; x2表示产品II 的生产量,所在该线性规划的模型为：从此线性规划的模型中可以看出，第一个小问是典型的生产计划问题，第二小问是相应资源的影子价格，第三和第四个小问则是此问题的灵敏度分析。

现在我们利用lingo8.0 来教你求解线性规划问题。

第一步，启动lingo 进入初始界面如下图1-1 和图1-2 所示：第二步，在进行线性规划模型求解时，先要对初始求解方法及参数要进行设置，首先选择lingo 菜单下的Option 菜单项，并切换在general solver（通用求解器）页面下，如下图1-3 所示：general solver 选项卡上的各项设置意义如下表格1-1 所示：表格1-1 general solver 选项卡上的各项设置意义接下来再对Linear Solver（线性求解器）选项卡进行设置，切换界面如所示：其各项设置意义如下表格1-2 所示：表格1-2 Linear Solver 选项卡各项设置意义因为这个线性规划模型较为简单，数字也是比较小的，而且需要进行灵敏度分析，所以对general solver 选项卡上的Dual Computations（对偶计算）项设为“Prices and Ranges（计算对偶价格并分析敏感性）”。

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。

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。

2013年运筹学实验报告1-lingo基础

运筹学实验报告
实验报告 1 lingo 基础
课程名称实验教室学生姓名实验目的实验内容实验要求的主要命令和程序清单实验日期实验仪器计算机实验名称班级实验成绩
1.熟悉并掌握 lingo 软件的基本命令． 2.熟悉并掌握 lingo 软件的集合命令. lingo 软件的快速入门和 lingo 集合命令操作及编程技巧。
解：
3 、分别用集成员的显示罗列和隐式罗列来定义一个名为
warehouses 的原始集，它具有成员 wh1、wh2、wh3、和 wh4，属性有 capacity 和 weight.
解：运行结果
实验过程及结果记录
4、写出下列集合定义中 allowed 集的所有成员。 sets: product/A B/; machine/M N/; week/1..2/; allowed(product,machine,week):x; endsets
解：运行结果
5、在下列集合过滤器定义中，写出 friend 集的所有成员及其相应的赋值。 sets: !学生集：性别属性 sex，1 表示男性，0 表示女性；年龄属性 age. ; students/John,Jill,Rose,Mike/:sex,age;
!男学生和女学生的联系集：友好程度属性 friend，[0，1]之间的数。 ; linkmf(students,students)|sex(&1) #eq# 1 #and# sex(&2) #eq# 0: friend; !男学生和女学生的友好程度大于 0.5 的集; linkmf2(linkmf) | friend(&1,&2) #ge# 0.5 : x; endsets data: sex,age = 1 16 0 14 0 17 0 13; friend = 0.3 0.5 0.6; enddata

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。

运筹学实践性题目代码与运行结果

实践类型题目1. 背包问题。

123123max456345100 1,2,3i f x x x x x x x i =++++≤⎧⎨≥=⎩且为整数，从LINGO/MATLAB 两种软件里面任选一种软件求解该背包问题？写出源程序，并以截图的方式给出求解结果。

源代码： model: sets:items/item1..item3/:include,weight,rating; endsets data:weight rating= 3 4 4 5 56;knapsack_capacity=10; enddatamax=@sum(items:rating*include);@sum(items:weight*include)<= knapsack_capacity; @for(items:@gin(include)); end实验结果：2. 某研究所领导在考虑本单位职工的升级调资方案时, 依次遵守以下优先级顺序规定：(1) 不超过年工资总额3000万元；(2) 提级时，每级的人数不超过定编规定的人数；(3) Ⅱ，Ⅲ级的升级面尽可能达到现有人数的20%，且无越级提升；(4) Ⅲ级不足编制的人数可录用新职工，又Ⅰ级的职工中有10%要退休。

有关资料汇总于下表, 问该领导应如何拟订一个满意的方案。

从LINGO/MATLAB两种软件里面任选一种软件求解该目标规划问题？写出源程序，并以截图的方式给出求解结果。

源代码：model:min = P1*d1+P2*(d2+d3+d4)+P3*(d5_+d6_);2.5*x1+2.5*x2+5.0*x3+d1_-d1=450;x1+d2_-d2=30;-x1+x2+d3_-d3=30;-x2+x3+d4_-d4=0;x1+d5_-d5=24;x2+d6_-d6=30;x1>=0; x2>=0; x3>=0;d1_>=0; d1>=0;d2_>=0; d2>=0;d3_>=0; d3>=0;d4_>=0; d4>=0;d5_>=0; d5>=0;d6_>=0; d6>=0;@gin(x1); @gin(x2);@gin(x3);P1=1000; P2=100; P3=10;END实验结果：3. 从LINGO/MATLAB两种软件里面任选一种软件，求下表所示效率矩阵的指派问题的最小解。

运筹学实验报告

数学与计算科学学院
实验报告
实验项目名称Lingo、MATLAB关于线性问题的求解所属课程名称运筹学
实验类型综合
实验日期2014年10月12日
班级统计1201班
学号201247100126
姓名杨赛波
附录1：源程序
附录2：实验报告填写说明
1．实验项目名称：要求与实验教学大纲一致.
2．实验目的：目的要明确，要抓住重点，符合实验教学大纲要求.
3．实验原理：简要说明本实验项目所涉及的理论知识.
4．实验环境：实验用的软、硬件环境.
5．实验方案（思路、步骤和方法等）：这是实验报告极其重要的内容.概括整个实验过程.
对于验证性实验，要写明依据何种原理、操作方法进行实验，要写明需要经过哪几个步骤来实现其操作.对于设计性和综合性实验，在上述内容基础上还应该画出流程图、设计思路和设计方法，再配以相应的文字说明.对于创新性实验，还应注明其创新点、特色. 6．实验过程（实验中涉及的记录、数据、分析）：写明具体实验方案的具体实施步骤，包括实验过程中的记录、数据和相应的分析.
7．实验结论（结果）：根据实验过程中得到的结果，做出结论.
8．实验小结：本次实验心得体会、思考和建议.
9．指导教师评语及成绩：指导教师依据学生的实际报告内容，给出本次实验报告的评价.。

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)));。

运筹学上机实践报告

运筹学实验报告姓名：学号：班级：采矿1103 教师：（一）实验目的（1）学会安装并使用Lingo软件（2）利用Lingo求解一般线性，运输，一般整数和分派问题（二）实验设备（1）计算机（2）Lingo软件（三）实验步骤（1）打开已经安装Lingo软件的计算机，进入Lingo（2）建立数学模型和Lingo语言（3）输入完Lingo语言后运行得出求解结果LINGO是用来求解线性和非线性规化问题的简易工具。

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。

当在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。

下面是以一般线性，运输，一般整数和分派问题为例进行实验的具体操作步骤：A:一般线性规划问题数学模型(课本31页例11)求解线性规划：Minz=-3x1+x2+x3x1 - 2x2 + x3<=11-4x1 + x2 + 2x3>=3-2x1 + x3=1x1,x2,x3>=0打开lingo输入min=-3*x1+x2+x3;x1-2*x2+x3<=11;-4*x1+x2+2*x3>=3;-2*x1+x3=1;End如图所示：然后按工具条的按钮运行出现如下的界面，也即是运行的结果和所求的解：然后按工具条的按钮运行出现如下的界面，也即是运行的结果和所求的解：结果：由longo运行的结果界面可以得到该运输问题的最优运输方案为运6吨至B3；运2吨至B4，由A2运4吨至B1，运1吨至B4，由A3运吨7至B2，运4吨至B4，此时对应的的目标函数值为Z=6X4+2X11+4X2+1X9+7X5+4X6+122(元）到此lingo软件已经解决了运输问题。

《运筹学》实验报告解析

实验一.简单线性规划模型的求解与Lingo软件的初步使用一. 实验目的：了解Lingo软件的基本功能和简单线性规划模型的求解的输入和输出结果。

二. 实验内容：1. 在Lingo中求解教材P55习题2.2(1)的线性规划数学模型;2. 用Lingo求解教材P52例12的数学模型。

3. 建立教材P57习题2.9的数学模型并用Lingo求解。

三. 实验要求：1. 给出所求解问题的数学模型；2. 给出Lingo中的输入并求解；3. 指出Solution Report中输出的三个主要部分的结果；4. 能给出最优解和最优值；5. 指出第3小题中哪些约束是取等式和哪些约束取不等式。

四. 写出实验报告：1.该问题的数学模型如下，min z=-3x1+4x2-2x3+5x4;4x1-x2+2x3-x4=-2;x1+x2+3x3-x4≤14;-2x1+3x2-x3+2x4≥2;x1,x2,x3≥0,x4无约束;Lingo中的代码如下，求解可得解报告，Solution Report中输出的三个主要部分的结果如下，Variable ValueX1 0.000000X2 8.000000X3 0.000000X4 -6.000000Row Slack or Surplus Dual Price1 2.000000 -1.0000002 0.000000 4.5000003 0.000000 0.50000004 10.00000 0.000000 故最优解为x1=0,x2=8,x3=0,x4=-6，最优值为2。

2.该问题Lingo中的代码如下,min =150*(x1+x2+x3)+80*(y1+y2+y3);500*x1<=5000;1000*x1+500*x2<=9000;1500*x1+1000*x2+500*x3<=12000;2000*x1+1500*x2+1000*x3+500*y1<=16000;2500*x1+2000*x2+1500*x3+1000*y1+500*y2<=18500;3000*x1+2500*x2+2000*x3+1500*y1+1000*y2+500*y3<=21500;3500*x1+3000*x2+2500*x3+2000*y1+1500*y2+1000*y3<=25500;4000*x1+3500*x2+3000*x3+2500*y1+2000*y2+1500*y3<=30000;4000*x1+4000*x2+3500*x3+2500*y1+2500*y2+2000*y3<=33500;4000*x1+4000*x2+4000*x3+2500*y1+2500*y2+2500*y3>=36000;2000*x1+1500*x2+1000*x3+500*y1>=12000;3500*x1+3000*x2+2500*x3+2000*y1+1500*y2+1000*y3>=21500;x1+x2+x3+y1+y2+y3<=11;求解可得解报告,Global optimal solution found.Objective value: 1350.000Infeasibilities: 0.000000Total solver iterations: 5Variable Value Reduced Cost X1 3.000000 0.000000 X2 0.000000 0.000000 X3 6.000000 0.000000 Y1 0.000000 27.50000 Y2 0.000000 27.50000 Y3 0.000000 0.000000Row Slack or Surplus Dual Price 1 1350.000 -1.0000002 3500.000 0.0000003 6000.000 0.0000004 4500.000 0.0000005 4000.000 0.0000006 2000.000 0.0000007 500.0000 0.0000008 0.000000 0.0000009 0.000000 0.5500000E-0110 500.0000 0.00000011 0.000000 -0.6500000E-0112 0.000000 -0.5500000E-0113 4000.000 0.00000014 2.000000 0.000000 Solution Report中输出的三个主要部分的结果如下，Variable ValueX1 3.000000X2 0.000000X3 6.000000Y1 0.000000Y2 0.000000Y3 0.000000Row Slack or Surplus Dual Price1 1350.000 -1.0000002 3500.000 0.0000003 6000.000 0.0000004 4500.000 0.0000005 4000.000 0.0000006 2000.000 0.0000007 500.0000 0.0000008 0.000000 0.0000009 0.000000 0.5500000E-0110 500.0000 0.00000011 0.000000 -0.6500000E-0112 0.000000 -0.5500000E-0113 4000.000 0.00000014 2.000000 0.000000故最优解为x1=3,x2=0,x3=6,y1=0,y2=0,y3=0，最优值为1350。

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: 3 Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 0.000000 5.500000X2 0.000000 3.600000X3 1.100000 0.000000X4 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: 2 Model Title: 会计09-1班3090825Variable Value Reduced CostX1 0.000000 0.8750000X2 3.000000 0.000000X3 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: 2 Model Title: 会计09-1班3090825Variable Value Reduced CostX1 0.000000 0.6875000X2 1.875000 0.000000X3 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: 0 Model Title: 会计09-1班3090825Variable Value Reduced CostX1 2.666667 0.000000X2 0.000000 0.000000 Row 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 -1.000000X2 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: 0 Model Title: 会计09-1班3090825Variable Value Reduced CostX1 0.000000 4.000000 X2 0.000000 3.000000 X3 1.000000 2.000000 Row Slack or Surplus Dual Price1 2.000000 -1.0000002 1.000000 0.000000。

运筹学实验报告四整数规划

2018-2019学年第一学期《运筹学》实验报告（四）班级：交通运输171学号： 1000000000姓名： *****日期： 2018.11.22实验一：用Lingo 软件求解下列整数规划问题（要求附程序和结果）12121212max 25062210,1,2i z x x x x x x x x x i =++≤⎧⎪-+≤⎪⎨+≤⎪⎪≥=⎩且取整数12312323123123123max 232452244,,01z x x x x x x x x x x x x x x x x x =+-++≤⎧⎪+≤⎪⎪+-≤⎨⎪+-≤⎪=⎪⎩或解：例题（左）解题程序及运行结果如下：sets :bliang/1,2/:x,a; yshu/1,2,3/:b;xshu(yshu,bliang):c; endsets data : a=2,1; b=5,0,21; c=1,1 -1,1 6,2; enddatamax =@sum (bliang(i):a(i)*x(i));@for (yshu(j):@sum (bliang(i):x(i)*c(j,i))<=b(j)); @for(bliang(i):@gin(x(i)));Global optimal solution found.Objective value: 7.000000 Objective bound: 7.000000 Infeasibilities: 0.000000 Extended solver steps: 0 Total solver iterations: 0Variable Value Reduced CostX( 1) 3.000000 -2.000000X( 2) 1.000000 -1.000000A( 1) 2.000000 0.000000A( 2) 1.000000 0.000000B( 1) 5.000000 0.000000B( 2) 0.000000 0.000000B( 3) 21.00000 0.000000C( 1, 1) 1.000000 0.000000C( 1, 2) 1.000000 0.000000C( 2, 1) -1.000000 0.000000C( 2, 2) 1.000000 0.000000C( 3, 1) 6.000000 0.000000C( 3, 2) 2.000000 0.000000Row Slack or Surplus Dual Price1 7.0000001.0000002 1.000000 0.0000003 2.000000 0.0000004 1.000000 0.000000例题（右）解题程序及运行结果如下：sets:bliang/1,2,3/:x,a;yshu/1,2,3,4/:b;xshu(yshu,bliang):c;endsetsdata:a=2,1,-1;b=2,5,2,4;c=1,3,10,4,11,2,-11,4,-1;enddatamax=@sum(bliang(i):a(i)*x(i));@for(yshu(j):@sum(bliang(i):x(i)*c(j,i))<=b(j));@for(bliang(i):@bin(x(i)));Global optimal solution found.Objective value: 2.000000Objective bound: 2.000000Infeasibilities: 0.000000Extended solver steps: 0Total solver iterations: 0Variable Value ReducedCostX( 1) 1.000000 -2.000000X( 2) 0.000000 -1.000000X( 3) 0.000000 1.000000A( 1) 2.000000 0.000000A( 2) 1.000000 0.000000A( 3) -1.000000 0.000000B( 1) 2.000000 0.000000B( 2) 5.000000 0.000000B( 3) 2.0000000.000000B( 4) 4.000000 0.000000C( 1, 1) 1.000000 0.000000C( 1, 2) 3.000000 0.000000C( 1, 3) 1.000000 0.000000C( 2, 1) 0.000000 0.000000C( 2, 2) 4.000000 0.000000C( 2, 3) 1.000000 0.000000C( 3, 1) 1.000000 0.000000C( 3, 2) 2.000000 0.000000C( 3, 3) -1.000000 0.000000C( 4, 1) 1.000000 0.000000C( 4, 2) 4.000000 0.000000C( 4, 3) -1.000000 0.000000Row Slack or Surplus Dual Price1 2.0000001.0000002 1.000000 0.0000003 5.000000 0.0000004 1.000000 0.0000005 3.000000 0.000000实验二：一、问题重述某学校规定，运筹学专业的学生毕业时必须至少学习过两门数学课、三门运筹学课和两门计算机课。

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)。

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 0.0000006 0.000000 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。