LINGO软件的基本使用方法(20140217)分析

合集下载

LINGO使用说明比较简单

LINGO使用说明比较简单
第九步，分析和优化结果。

优化模型求解完成后，你可以通过结果显
示区中的结果表格和图表来分析和优化结果。

LINGO还提供了一些分析工具，如灵敏度分析和场景分析，帮助你深入理解模型的行为和性能。

第十步，保存和导出结果。

在 LINGO 中，你可以保存整个优化模型
及其求解结果，以供将来使用。

通过点击菜单栏中的“文件”选项，选择“保存”或“导出”，就可以将模型和结果保存为不同的文件格式，如LINGO模型文件（.lng）、Excel 文件（.xls）或文本文件（.txt）。

通过上述十个步骤，你可以使用LINGO软件完成一个优化模型的建立、求解和分析。

当然，LINGO还具备其他高级功能和应用，如混合整数规划、随机规划和非线性规划等，可以根据你的具体需求进行进一步学习和应用。

LINGO使用手册和官方网站上有更多详细的说明和案例，可以帮助你更好
地使用和理解LINGO软件。

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软件的使用方法

2
2
答案
model: max=98*x1+277*x2-x1^2 -0.3*x1*x2-2*x2^2; x1+x2<100; x1<2*x2; @gin(x1); @gin(x2); end ※@gin()是调用的整数函数
第三节在LINGO中使用集合
• 例题：某公司要决定下四个季度帆船生产量。下四个季度需求量分别是40条， 60条，75条，25条。每季度生产能力40 条，生产费用400美元/条，如果加班生产费用450美元/条，每季度库存费20美元/ 条。假定生产提前期为0，初始库存10条，问如何安排生产总费用最小？
显式列举法元素列表隐式列举法
第四节运算符及其优先级
• 算术运算符：＋，－，*，/，^ • 逻辑运算符： #AND#,#OR#.#NOT#,#EQ#,#NE#,#GT#,# GE#,#LT#,#LE#,TRUE,FALSE • 关系运算符：<(即<=),=,>(即>=)
优先级
优先级表：最高运算符 #NOT#,-(负号） ^ *,/ +,-(减号） #EQ#,#NE#,#GT#,#GE#, #LT#,#LE# #AND#,#OR# <,=,>
集合循环函数
• 用法：@function(setname:expression_list); • 具体如下：@for @sum @max @min
变量界定函数
• • • • @BND(L,X,U)-限制L<=X<=U @BIN(X)-限制X为0或1 @FREE(X)-取消对X的符号限制 @GIN(X)-限制X为整数
• • • • • • • • • 以model:开始，以end结束。不区分大小写。目标函数为max=。语句以；结束。数与变量之间的乘号不能省。约束S.t.省略不写。 <与<=,>与>=是等价的。非负约束可以不输入。说明语句以！开头。

Lingo基本用法总结

Lingo基本用法总结（除集函数部分）LINGO是用来求解线性和非线性优化问题的简易工具。

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：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。

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，以字母开头不超过32个字符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“﹣”。

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高低来执行。

运算的次序可以用圆括号“（）”来改变。

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 键即可。

数学函数标准数学函数：@abs(x) 返回x 的绝对值@sin(x) 返回x 的正弦值，x 采用弧度制 @cos(x) 返回x 的余弦值 @tan(x) 返回x 的正切值 @exp(x) 返回常数e 的x 次方 @log(x) 返回x 的自然对数@lgm(x) 返回x 的gamma 函数的自然对数 @sign(x) 如果x<0返回-1；否则，返回1@floor(x) 返回x 的整数部分。

Lingo 数学软件的使用方法

7
仓库 10 6 7 17 4 12 4 19 4 13 16
客 11 客 12 客 13 客 14 客 15 客 16 客 17 客 18 客 19 客 20
3 6 4 10 12 19 8 7 10 4
2 17 18 19 15 18 16 9 8 8
4 8 16 2 15 11 8 8 3 14
Lingo 数学软件的使用方法
一、Lingo 使用介绍
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。功能：可以求解非线性规划。也可以做线性规划、整数规划。特点：运算速度快，允许使用集合来描述大规模的优化问题；
（2）某仓库供应某客户全部需求量时的运费（单位：万元）仓库 1 客1 客2 客3 客4 客5 客6 客7 客8 客9 客 10 9 14 6 15 6 19 11 19 4 5 仓库 2 10 16 9 12 8 14 4 20 9 13 仓库 3 2 10 2 18 4 19 8 13 15 9 仓库 4 6 4 1 9 3 3 5 15 6 10 仓库 5 7 10 20 17 7 9 13 16 9 15 仓库 6 15 18 14 18 11 4 20 20 13 1 仓库 7 仓库 8 15 14 20 12 6 15 20 3 1 16 1 1 5 2 2 5 16 8 7 7 仓库 9 18 16 20 18 5 20 8 6 17 20
@SMAX(x1,x2,x3,…,xn)
@FLOOR(x) 最接近 x 的整数 5．变量定界函数 @BND(L,x,U) @BIN(x) @FREE(x) @GIN(x) 限制 x 的范围 L<=x<=U x为0或1 取消对 x 的限制 x 为整数

LINGO的基本用法PPT课件

返回值
返回X的绝对值返回X的正弦值返回X的余弦值返回X的正切值返回X的自然对数值返回eX的值（e为自然常数，e=2.7182818……）返回X的符号值返回这一系列数中的最大值返回这一系列数中的最小值返回X的整数部分（向最靠近0的方向取整）返回X的gamma函数的自然对数值返回X除以Y的余数（X和Y都是整数）返回指数XY的值（该函数可用X^Y代替）返回X的平方值（该函数可用X^2代替）返回X的正的平方根（该函数可用X^(1/2)代替）
第1页/共35页
建模时需要注意的几个基本问题： (1) 尽量使用实数优化模型，减少整数约束和整数变量的
个数； (2) 尽量使用光滑优化模型，减少非光滑约束的个数；
如：尽量少地使用绝对值函数、符号函数、多个变量求最大（或最小）值、四舍五入函数、取整函数等. (3) 尽量使用线性优化模型，减少非线性约束和非线性变量的个数（如x/y < 5改为x < 5y）； (4) 合理设定变量的上下界，尽可能给出变量的初始值； (5) 模型中使用的单位的数量级要适当（如小于103）；
68
min z
cij xij ;
i1 j 1
8
xij ai , i 1, 2, , 6;
j 1
6
xij d j , j 1, 2, ,8;
i 1
xij 0,,i 1, 2, , 6, j 1, 2, ,8;
第15页/共35页
1. 集合定义部分集合是一组相关对象构成的组合集合分为初始(基本\原始)集合和衍生(派生)集合集合在使用之前需要预先给出定义, 初始集合的定义三要素: 集合的名称, 集合的元素, 集合的属性(可视为与该集合有关的变量或常量). 初始集合的定义格式: 集合的名称/集合的元素/:集合的属性;

LINGO基本用法与运算函数

LINGO的基本用法和运算函数
例如，目标函数中有求和表达式ΣCijXij(i从1 到10,j从1到20)，若用直接输入的方式，将有 200个系数与200个变量相乘再相加，需要输入长长一大串，既不便于输入，又不便于修改，别人看不懂，可读性较差．
LINGO提供了建模语言，能够用较少语句描述目标函数和约束条件，为建立大规模数学规划模型提供了方便．我们以一个运输规划模型为例说明其用法。
办法是用现成软件求解．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，是解决最优化问题的最佳
选择。
LINGO的基本用法和运算函数
§1.1 LINGO 入门
LINGO的基本用法和运算函数
一、概况
LINGO 是美国 LINDO 系统公司（ Lindo SystemInc）开发的求解数学规划系列软件中的一个（其它软件为LINDO，GINO，What’s Best等等），的主要功能是求解大型线性、非线性和整数规划，目前的版本是 11.0 ．可以从 Internet 网址 http://下载该软件的安装文件lingo11.exe，执行该文件即可在计算机内安装LINGO 软件系统，首次运行该软件时，要求用户输入密码，如果输入了正确的密码，则该软件就成了正式版，如果密码不对或不输入密码，则该软件就成为演示版．
1.目标函数（求某个数学表达式的最大值或最小值）；
2. 决策变量，即目标函数值取决于哪些变量；
3. 约束条件，即对变量附加一些条件限制（等式或不等式）．
LINGO的基本用法和运算函数
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个劳动日进行调试、检测等工作，而每个 P产品需要2个劳动日，该厂每天只有160个劳动日可用，假如原材料等其它条件不受限制，问应如何安排生产计划，使获得的利润最大？

(方案)Lingo的基本使用方法.ppt

最新.课件
2
优化模型和算法的重要意义
最优化: 在一定条件下，寻求使目标最大(小)的决策
最优化是工程技术、经济管理、科学研究、社会生活中经常遇到的问题, 如:
结构设计资源分配
生产计划
运输方案
解决优化问题的手段
经验积累，主观判断
作试验，比优劣
建立数学模型，求解最最新优.课策件略
3
1. 确定常数 2. 识别类型
LINGO软件的求解过程
LINGO预处理程序 LP QP NLP IP 全局优化(选)
分枝定界管理程序 ILP IQP INLP
线性优化求解程序
非线性优化求解程序
1. 单纯形算法 2. 内点算法(选)
1、顺序线性规划法(SLP) 2、广义既约梯度法(GRG) (选) 3、多点搜索(Multistart) (选)
最新.课件
12
输出结果：运行菜单命令“LINGO|Solve” 最大利润=11077.5
最优整数解 X=(35，65)
最新.课件
13Leabharlann 输出结果备注：LINGO是将它作为PINLP(纯整数非线性规划)来求解，因此找到的是局部最优解。
通过菜单 “WINDOW| Status Window”看到状态窗口，可看到最佳目标值 “Best Obj”与问题的上界 “Obj Bound”已经是一样的，当前解的最大利润与这两
最新.课件
8
LINGO 11.0功能增强，性能稳定，解答结果可靠。LINGO 软件主要具有两大优点:
可用于求解经典的数学规划问题，包括非线性整数规划问题;
内置建模语言，允许以简练、直观的方式描述较大规模的优化问题，所需的数据可以以一定格式保存在独立的文件中。

第1讲Lingo软件基础学习(2014)

第1讲Lingo软件入门司守奎烟台市，海军航空工程学院数学教研室Email：sishoukui@1 Lingo软件的基本语法1.1 集合集合部分的语法为sets:集合名称1/成员列表1/：属性1_1，属性1_2，…，属性1_n1；集合名称2/成员列表2/：属性2_1，属性2_2，…，属性2_n2；派生集合名称（集合名称1，集合名称2）：属性3_1，…，属性3_n3；endsets例26sets:product/A B/;machine/M N/;week/1..2/;allowed(product,machine,week):x;endsets1.2 数据数据部分的语法为data:属性1=数据列表；属性2=数据列表；enddata1.3 计算计算段部分不能含有变量，必须是已知数据的运算。

calc:b=0;a=a+1;endcalc1.4 模型的目标函数和约束条件这里就不具体给出了，下面通过具体例子给出。

1.5 子模型在LINGO 9.0 及更早的版本中，在每个LINGO 模型窗口中只允许有一个优化模型，可以称为主模型（MAIN MODEL）。

在LINGO 10.0 中，每个LINGO 模型窗口中除了主模型外，用户还可以定义子模型(SUBMODEL)。

子模型可以在主模型的计算段中被调用，这就进一步增强了LINGO 的编程能力。

子模型必须包含在主模型之内，即必须位于以“MODEL:”开头、以“END”结束的模块内。

同一个主模型中，允许定义多个子模型，所以每个子模型本身必须命名，其基本语法是：SUBMODEL mymodel:可执行语句（约束+目标函数）;ENDSUBMODEL其中mymodel 是该子模型的名字，可执行语句一般是一些约束语句，也可能包含目标函数，但不可以有自身单独的集合段、数据段、初始段和计算段。

也就是说，同一个主模型内的变量都是全局变量，这些变量对主模型和所有子模型同样有效。

如果已经定义了子模型mymodel，则在计算段中可以用语句“@SOLVE( mymodel);”求解这个子模型。

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的基本使用方法

二. LINGO软件的基本使用方法 LINGO软件的基本使用方法
LINGO软件的求解过程 LINGO软件的求解过程
1. 确定常数 2. 识别类型 LINGO预处理程序 LP QP NLP IP 全局优化(选) 分枝定界管理程序 ILP 线性优化求解程序 IQP INLP
非线性优化求解程序 1、顺序线性规划法(SLP) 2、广义既约梯度法(GRG) (选) 3、多点搜索(Multistart) (选)
Solver Status 窗口
4)计算完成后出现Solution 4)计算完成后出现Solution Report 计算完成后出现窗口显示模型解的详细信息显示模型解的详细信息；窗口显示模型解的详细信息；
Solution Report 窗口
•Global optimal solution found at iteration: 2 Global •Objective value: 7.454545 Objective value: •Variable Value Variable Reduced Cost • x1 1.272727 0.000000 • x2 1.636364 0.000000 •Row Slack or Surplus Dual Price Row •1 7.454545 1.000000 •2 0.9090909E0.000000 0.9090909E-01 •3 0.000000 0.5454545
LINGO
黑龙江八一农垦大学文理学院数学系高德宝
学习提纲
一. 优化模型与优化软件简介二. LINGO软件的基本使用方法 LINGO软件的基本使用方法三. LINGO程序流程控制和子模型 LINGO程序流程控制和子模型

LINGO软件的基本使用方法

LINGO软件的基本使⽤⽅法第３章 LINGO软件的基本使⽤⽅法３.１LINGO⼊门３.１.１LINGO软件的安装过程和主要特⾊LINGO9.0 for Windows软件的安装过程与LINDO6.1 for Windows软件的安装过程类似。

软件安装程序的⽂件⼤⼩通常是20M 多⼀点，当你开始安装后，仍然需要接受安装协议、选择安装⽬录（默认的⽬录通常是C：\LINGO9）.安装完成前，会出现图3.1所⽰的对话框，这个对话框询问你希望采纳的默认的建模（即编程）语⾔，系统推荐的是采⽤LINGO语法，即选项“LINGO（ recommended）”;你也可以选择“LINDO”将LINDO语法作为默认的设置。

在图3.1中按下“OK（确认）”按钮，系统就会完成LINGO的安装过程。

安装后你也可以随时通过“LINGO Options File Format”命令来修改默认的建模（即编程）语⾔。

图3.1 选择编程语法格式我们下⾯假设LINGO9.0 For Windows软件已经成功安装。

第⼀次运⾏LINGO软件时，系统需要你输⼊密码（图3.2），操作⽅法与LINDO完全类似，这⾥不再重复了。

与LINDO类似，LINGO也有两种命令模式：⼀种是常⽤的Windows模式，通过下拉式菜单命令驱动LINGO运⾏（多数的菜单命令通常有快捷键，常⽤的菜单命令在⼯具图３－２输⼊授权密码栏中有图标表⽰的快捷按钮），界⾯是图形式的，使⽤起来也⽐较⽅便；另⼀种是命令⾏（Command-Line）模式，仅在命令窗⼝（Command Window）下操作，通过输⼊⾏命令驱动LINGO运⾏，其使⽤界⾯不是图形式的，⽽是字符式的，初学者往往不太容易掌握，与第2章⼀样，我们仍然主要在Windows菜单驱动下介绍⼀下命令⾏模式下的主要⾏命令。

LINGO9.0软件⽐以前的版本有了很⼤的改进，功能⼤⼤加强，性能更加稳定，解答结果更加可靠。

我们前⾯说过，从基本功能看，与LINDO相⽐，LINGO软件主要具有两⼤优点：（1）除具有LINDO的全部功能外，还可⽤于求解⾮线性规划问题，包括⾮线性整数规划问题。

lingo基本用法

Lingo基本用法总结（除集函数部分）LINGO是用来求解线性和非线性优化问题的简易工具。

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。

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：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。

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，以字母开头不超过32个字符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“﹣”。

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高低来执行。

运算的次序可以用圆括号“（）”来改变。

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 键即可。

数学函数标准数学函数：@abs(x) 返回x 的绝对值@sin(x) 返回x 的正弦值，x 采用弧度制@cos(x) 返回x 的余弦值@tan(x) 返回x 的正切值@exp(x) 返回常数e 的x 次方@log(x) 返回x 的自然对数@lgm(x) 返回x 的gamma 函数的自然对数@sign(x) 如果x<0返回-1；否则，返回1@floor(x) 返回x 的整数部分。

lingo入门教程课件

在数据段对L进行赋值，只有L(S)=0已知，后面的值为空(但位置必须留出来，即逗号“，”一个也不能少，否则会出错)。如果这个语句直接写成“L=0；”，语法上看也是对的，但其含义是L所有元素的取值全部为0，所以也会与题意不符。
“X=5,2； Y=1,7；”
输入程序
定义目标和约束，与前例的方法是类似(这里
包含了派生集合)，请特别注意进一步体会集
在程序开头用TITLE语句对这个模型取了一个标题 “LOCATION PROBLEM；并且对目标行（[OBJ]）和两类约束
合函数@SUM和@FOR的用法。
由于新建料场的位置理论上讲可以是任意的，所以在约束的最后(模型的“END”语句上面的一行)用@free函数取消了变量X、Y的非负限制
j
j
j
j
所以在新建料场时是NLP模型。先解NLP模型，而把现有临时料场的位置作
为初始解告诉LINGO。
本例中集合的概念
利用集合的概念，可以定义需求点DEMAND和供应点 SUPPLY两个集合，分别有6个和2个元素(下标)。但决策变量(运送量) c ij 与集合DEMAND和集合SUPPLY都有关系的。该如何定义这样的属性？
表示集合LINK中的元素就是集合DEMAND 和SUPPLY的元素组合成的有序二元组，从数学上看LINK是DEMAND 和SUPPLY的笛卡儿积，也就是说
LINK={（S，T）|SDEMAND，TSUPPLY} 因此，其属性C也就是一个6*2的矩阵（或者说是含有12个元素的二维数组）。
LINGO建模语言也称为矩阵生成器（MATRIX GENERATOR）。类似DEMAND 和SUPPLY直接把元素列举出来的集合，称为基本集合(primary set),而把LINK这种基于其它集合而派生出来的二维或多维集合称为派生集合(derived set)。由于是DEMAND 和SUPPLY生成了派生集合LINK，所以 DEMAND 和SUPPLY 称为LINK的父集合。