优化建模与LINDOLINGO软件的介绍(精)
合集下载
lindo 与Lingo入门
优化建模
在LINGO中使用LINDO模型
LINGO的界面
• LINGO软件的主窗口（用 户界面），所有其他窗口 都在这个窗口之内。
• 当前光标 的位置 • 模型窗口（Model Window），用于输入 LINGO优化模型（即 LINGO程序）。
• 状态行（最左边显 示“Ready”，表示 “准备就绪”）
即证券A,C,E分别投资2.182百万元，7.364 百万元,0.454百万元，最大税后收益为0.298 百万元. (2)由(1)的结果中影子价格可知,若资金增加 100万元,收益可增加0.0298百万元.大于 2.75%的利率借到100万元资金的利息,所以 应借贷.投资方案需将上面模型第2个约束右 端改为11,求解得到:证券A,C,E分别投资2.40 百万元,8.10百万元,0.50百万元,最大税后收 益为0.3007百万元.
除“LG4”文件外， 另外几种格式的文件 都是普通的文本文件， 可以用任何文本编辑 器打开和编辑。
•.MPS：示MPS（数学规划系统）格式的模型文件。
优化建模
在LINGO中使用LINDO模型
在LINGO中可以直接使用LINDO语法编写的优化模型（即优化程序）。 作为一个最简单的例子，在名为EXAM0201.LTX的模型文件中保存了一个 LINDO模型，我们现在看看如何用LINGO把它打开。
选择菜单命令 “File|Open(F3)”， 可以看到 “打开文 件”对话框。 （如 图）
①
优化建模
在LINGO中使用LINDO模型
②
打开“EXAM0201.LTX”文件 （如下图）
选择“LINGO|Solve （Ctrl+S）”来运行这 个程序（运行状态窗口 如右图）
Lingo软件介绍.ppt
s.t. x1 x2 100
2
x1 2x2
3
x1, x2 0 为整数
4
输入窗口如下：
2019/10/28
程序语句输入的备注：
•LINGO总是根据“MAX=”或“MIN=”寻找目标函数， 而除注释语句和TITLE语句外的其他语句都是约束条 件，因此语句的顺序并不重要 。
•限定变量取整数值的语句为“@GIN(X1)”和 “@GIN(X2)”，不可以写成“@GIN(2)”，否则 LINGO将把这个模型看成没有整数变量。
2019/10/28
约束的定义方式
本例中，对于产品数量的平衡方程，由于下标i=1时的 约束关系式与i=2，3，4时有所区别，所以不能省略下 标“i”。实际上，i=1时要用到变量INV（0），但定义 的属性变量中INV不包含INV（0）(INV(0)=10是一个已 知的)。 为了区别i=1和i=2，3，4，把i=1时的约束关系式单独写 出，即“INV(1)=10+RP(1)+OP(1)-DEM(1);” ； 而对i=2，3，4对应的约束，对下标集合的元素（下标i） 增加了一个逻辑关系式“i#GT#1”（这个限制条件与集 合之间有一个竖线“|”分开，称为过滤条件）。 限制条件“i#GT#1”是一个逻辑表达式，意思就是i>1； “#GT#”是逻辑运算符号，意思是“大于（Greater T20h19a/1n0/的28 字首字母缩写）” 。
例 SAILCO公司需要决定下四个季度的帆船生产量。下四个季度 的帆船需求量分别是40条，60条，75条，25条，这些需求必须按 时满足。每个季度正常的生产能力是40条帆船，每条船的生产费 用为400美元。如果加班生产，每条船的生产费用为450美元。每 个季度末，每条船的库存费用为20美元。假定生产提前期为0， 初始库存为10条船。如何安排生产可使总费用最小？
优化模型与LINGO优化软件
资 源 单位产品资源消耗量 甲 A B C 单位产品利润 2 4 0 2 乙 2 0 5 3 12 16 15 资源拥有量
m ax z 2 x1 3 x 2 s .t . 2 x1 2 x 2 1 2 4x 16 1 5 x2 15 x1 , x 2 0
状态窗口说明（例1）
•Constraints(约束数量) •Nonzeros(非零系数数量) •内存使用量 •求解花费的时间
全局最优解 求解步骤数
3、报告 窗口说明 （例1）
最优解 变量的检验数 松弛或剩余变量的值 对偶价格的值
单纯形法计算步骤框图(目标函数求max)
至少存在一个元素ais>0
LINGO的窗口介绍
LINGO的主窗口 LINGO模型窗口 LINGO状态窗口 LINGO报告窗口
例1的运算 结果： 主 窗 口 模型窗口 报告窗口 状态窗口
1、主窗口与 模型窗口说明
定 位 某 行
模 型 求 解
模 型 图 示
查 找
匹 配 括 号
显 示 解 答
选 项 设 置
2、状态窗口说明（例1）
③ LINGO中的语句顺序是不重要的,因为LINGO总 是根据“Max=”或“Min=”语句寻找目标函数，其它 语句都是约束条件. ④ LINGO 程序中不区分大小写字母 .( 实际上任何 小写字符将被转换为大写字符) ⑤ LINGO中的变量必须以字母开头,且最多不能超 过32个字符. ⑥ 在LINGO中,以@开头的都是函数的调用. ⑦ LINGO已假定所有变量非负, 可用限定变量取值 范围的函数 @BIN 、 @GIN 、 @FREE 、 @BND 改 变变量的非负假定.
•求解器状态框 •模型的类型 •解的状态 •Objective(解的目标函数值) •Infeasibility(约束不满足总量) •到目前为止的迭代次数 •扩展的求解器状态框
m ax z 2 x1 3 x 2 s .t . 2 x1 2 x 2 1 2 4x 16 1 5 x2 15 x1 , x 2 0
状态窗口说明（例1）
•Constraints(约束数量) •Nonzeros(非零系数数量) •内存使用量 •求解花费的时间
全局最优解 求解步骤数
3、报告 窗口说明 （例1）
最优解 变量的检验数 松弛或剩余变量的值 对偶价格的值
单纯形法计算步骤框图(目标函数求max)
至少存在一个元素ais>0
LINGO的窗口介绍
LINGO的主窗口 LINGO模型窗口 LINGO状态窗口 LINGO报告窗口
例1的运算 结果： 主 窗 口 模型窗口 报告窗口 状态窗口
1、主窗口与 模型窗口说明
定 位 某 行
模 型 求 解
模 型 图 示
查 找
匹 配 括 号
显 示 解 答
选 项 设 置
2、状态窗口说明（例1）
③ LINGO中的语句顺序是不重要的,因为LINGO总 是根据“Max=”或“Min=”语句寻找目标函数，其它 语句都是约束条件. ④ LINGO 程序中不区分大小写字母 .( 实际上任何 小写字符将被转换为大写字符) ⑤ LINGO中的变量必须以字母开头,且最多不能超 过32个字符. ⑥ 在LINGO中,以@开头的都是函数的调用. ⑦ LINGO已假定所有变量非负, 可用限定变量取值 范围的函数 @BIN 、 @GIN 、 @FREE 、 @BND 改 变变量的非负假定.
•求解器状态框 •模型的类型 •解的状态 •Objective(解的目标函数值) •Infeasibility(约束不满足总量) •到目前为止的迭代次数 •扩展的求解器状态框
LINDO与LINGO软件介绍
15
查看模型的统计信息， 用Reports/statistics查看模型的统计信息， 查看模型的统计信息
第一行：模型有 行 约束4行），2个变量 个变量， 个整数变量 个整数变量（ 个 变量 变量）， 第一行：模型有5行（约束 行）， 个变量，0个整数变量（0个0-1变量）， 不是二次规划. 不是二次规划 第二行：非零系数10个 约束中非零系数6个 其中 个为1或 ， 其中5个为 第二行：非零系数 个，约束中非零系数 个(其中 个为 或-1)，模型密度 密度=非零系数 行数＊ 变量数＋ 为0.667(密度 非零系数 行数＊(变量数＋１)]) . 密度 非零系数/[行数 变量数 第三行的意思：按绝对值看，系数最小、最大分别为1和 第三行的意思：按绝对值看，系数最小、最大分别为 和8. 第四行的意思：模型目标为极大化；小于等于、等于、 第四行的意思：模型目标为极大化；小于等于、等于、大于等于约束分别有 广义上界约束(GUBS)不超过 个；变量上界约束 不超过2个 变量上界约束(VUBS)不 ２、０、２个；广义上界约束 不超过 不 少于０ 所谓GUBS，是指一组不含有相同变量的约束；所谓 少于０个。所谓 ，是指一组不含有相同变量的约束；所谓VUBS，是 ， 指一个蕴涵变量上界的约束，如从约束X1+X2-X3=0可以看出，若X3=0，则 可以看出， 指一个蕴涵变量上界的约束，如从约束 可以看出 ， X1=0，X2=0（因为有非负限制），因此 ），因此 是一个VUBS约束。 约束。 ， （因为有非负限制），因此X1+X2-X3=0是一个 是一个 约束 第五行的意思：只含１个变量的约束个数=０ 冗余的列数=０ 第五行的意思：只含１个变量的约束个数 ０个；冗余的列数 ０个
版本信息，可以通过 查询.我们还 版本信息，可以通过help/about查询 我们还 查询 可以查到允许的变量个数、约束个数、 可以查到允许的变量个数、约束个数、整数 变量个数、非零系数个数等. 变量个数、非零系数个数等
查看模型的统计信息， 用Reports/statistics查看模型的统计信息， 查看模型的统计信息
第一行：模型有 行 约束4行），2个变量 个变量， 个整数变量 个整数变量（ 个 变量 变量）， 第一行：模型有5行（约束 行）， 个变量，0个整数变量（0个0-1变量）， 不是二次规划. 不是二次规划 第二行：非零系数10个 约束中非零系数6个 其中 个为1或 ， 其中5个为 第二行：非零系数 个，约束中非零系数 个(其中 个为 或-1)，模型密度 密度=非零系数 行数＊ 变量数＋ 为0.667(密度 非零系数 行数＊(变量数＋１)]) . 密度 非零系数/[行数 变量数 第三行的意思：按绝对值看，系数最小、最大分别为1和 第三行的意思：按绝对值看，系数最小、最大分别为 和8. 第四行的意思：模型目标为极大化；小于等于、等于、 第四行的意思：模型目标为极大化；小于等于、等于、大于等于约束分别有 广义上界约束(GUBS)不超过 个；变量上界约束 不超过2个 变量上界约束(VUBS)不 ２、０、２个；广义上界约束 不超过 不 少于０ 所谓GUBS，是指一组不含有相同变量的约束；所谓 少于０个。所谓 ，是指一组不含有相同变量的约束；所谓VUBS，是 ， 指一个蕴涵变量上界的约束，如从约束X1+X2-X3=0可以看出，若X3=0，则 可以看出， 指一个蕴涵变量上界的约束，如从约束 可以看出 ， X1=0，X2=0（因为有非负限制），因此 ），因此 是一个VUBS约束。 约束。 ， （因为有非负限制），因此X1+X2-X3=0是一个 是一个 约束 第五行的意思：只含１个变量的约束个数=０ 冗余的列数=０ 第五行的意思：只含１个变量的约束个数 ０个；冗余的列数 ０个
版本信息，可以通过 查询.我们还 版本信息，可以通过help/about查询 我们还 查询 可以查到允许的变量个数、约束个数、 可以查到允许的变量个数、约束个数、整数 变量个数、非零系数个数等. 变量个数、非零系数个数等
优化模型与lindo软件
使用LINDO的一些注意事项
“>”（或“<”）号与“>=”（或“<=”）功能相同 变量与系数间可有空格(甚至回车), 但无运算符 变量名以字母开头，不能超过8个字符 变量名不区分大小写（包括LINDO中的关键字） 目标函数所在行是第一行，第二行起为约束条件 行号(行名)自动产生或人为定义。行名以“）”结 束 7. 行中注有“!”符号的后面部分为注释。如: ! It’s Comment. 8. 在模型的任何地方都可以用“TITLE” 对模型命名 （最多72个字符），如： TITLE This Model is only an Example 1. 2. 3. 4. 5. 6.
但是当问题的规模扩大时，前面的方法 显得非常不方便甚至是致命的。主要的原 因是所含的变量和约束个数太多。另一方 面，规划问题本身很有规律，所以我们希 望使用循环来实现。引入如下的两个数组 （或者向量）， C=(c1,c2,…,cn), X=(x1,x2,…,xn), b=(b1,b2,…,bm)，
LINGO模型 — 例：选址问题
某公司有6个建筑工地，位置坐标为(ai, bi) (单位：公里), 水泥日用量di (单位：吨）
i a b d １ 1.25 1.25 3 ２ 8.75 0.75 5 ３ 0.5 4.75 4 ４ 5.75 5 7 ５ 3 6.5 6 ６ 7.25 7.75 11
假设：料场 和工地之间 有直线道路
• Preprocess：预处理(生成割平面)； • Preferred Branch：优先的分枝方式：
“Default”（缺省方式）、 “Up”（向上取整优先）、 “Down”（向下取整优先）；
• IP Optimality Tol：IP最优值允许的误 差上限（一个百分数，如5%即0.05）； • IP Objective Hurdle：IP目标函数的篱 笆值，即只寻找比这个值更优最优解 （如当知道当前模型的某个整数可行解 时，就可以设置这个值）； • IP Var Fixing Tol：固定一个整数变量 取值所依据的一个上限（如果一个整数 变量的判别数（REDUCED COST）的 值很大，超过该上限，则以后求解中把 该整数变量固定下来）。
优化建模入门与LINGOLINDO简介
优化建模
整数规划问题对应的松弛问题
取消整数规划中决策变量为整数的限制（松弛），对 应的连续优化问题称为原问题的松弛问题 整数规划问题 最优解
最优解 凸多边形的某个顶点
求解LP的基本思想
凸多面体的某个顶点
思路：从可行域的某一顶点开始，只需在有限多个 顶点中一个一个找下去，一定能得到最优解。
LP的通常解法是单纯形法(G. B. Dantzig, 1947)
优化建模
LP其他算法
内点算法(Interior point method)
• 20世纪80年代人们提出的一类新的算法——内点算法 • 也是迭代法，但不再从可行域的一个顶点转换到另一个 顶点，而是直接从可行域的内部逼近最优解。
f ( x)
优化建模
s.t.
hi ( x) 0, i 1,...,m g j ( x) 0, j 1,...,l
整数规划问题的分类
• 整数线性规划(ILP) 目标和约束均为线性函数 • 整数非线性规划(NLP) 目标或约束中存在非线性函数 • 纯(全)整数规划(PIP) 决策变量均为整数 • 混合整数规划(MIP) 决策变量有整数，也有实数 • 0-1规划 决策变量只取0或1
决策变量：周一至周日每天(新)聘用人数 x1, x2,x7 目标函数：7天(新)聘用人数之和 约束条件：周一至周日每天需要人数
设系统已进入稳态（不是开始的几周） 连续工作5天 周一工作的应是(上)周四至周一聘用的 x4 x5 x6 x7 x1 50
min s.t. z x1 x2 x3 x4 x5 x6 x7 x1 x4 x5 x6 x7 50
优化建模
优化问题的一般形式
优化问题三要素：决策变量；目标函数；约束条件 目标函数 约 束 条 件
数学建模优化模型与Lingo Lindo软件
型
表二 ：5名队员4中泳姿百米平均成绩
队员
甲
乙
丙
丁
戊
蝶泳 66.8 57.2
78
70
67.4
仰泳 75.6
66
67.8
74.2
71
蛙泳
87
66.4 84.6
69.6
83.8
自由泳 58.6
53
59.4
57.2
62.4
线 性 规
·划
模 型
决策变量：引入0-1变量xij 若选择队员 i 参加泳姿 j
例-1 某服务部门一周中每天需要不同数目的
雇员：周一到周四每天至少需要50人，周五
需要80人，周六和周日需要90人。现规定应
聘者需连续工作5天，试确定聘用方案，即周
线
一到周日每天聘用多少人，是5在满足需要的 前况下聘用总人数最少？
性
优化模型
规
决策变量：记周一到周日每天聘用的人数分别为X1，
划
X2，X3，X4，X5，X6 ，X7，这就是问题的决策变量。
的比赛，记 xij=1，否则记 xij=0.这就是问题的决策变量， 共20个。
目标函数：当队员队员 i 入选泳姿 j 的比赛时，
cij xij表示他的成绩，否则cij xij=0。于是接力队的成绩
可以表示为：
45
f
cij xij
j1 i1
约束条件：根据组成接力队的要求， xij 应该满足下面
方案。显然这不是解决问题的最好方法，随着问题
线
规模的变大，穷举法的计算量是无法接受的。
性
可以用0-1变量表示一个队员是否入选接力队， 从而建立这个问题的0-1规划模型.
优化建模与LINDOLINGO软件介绍59页
13
运行结果如下:
演示
Local optimal solution found at iteration:
73
Objective value:
-1.000000
Variable
Value
X1 0.9999995
X2 0.9999992
Reduced Cost 0.000000 0.000000
Row Slack or Surplus Dual Price
DEMO 8
运行结果如下:
演示
Global optimal solution found at iteration:
2
Objective value:
18.33333
Variable X1 X2 X3 X4
Value 8.333333 0.000000 0.000000 1.666667
Reduced Cost 0.000000 0.6666667 4.333333 0.000000
x — 决策变量
f(x) — 目标函数 gi(x) ,hj(x) — 约束条件
2
优化模型分类
线性规划（LP）
非线性规划（NLP）
二次规划（QP）
连续规划 离散规划
0-1 整数规划（ZOP） 纯整数规划（PIP）
混合整数规划（MIP）
当然还有其它规划,如: 随机规划,模糊规划 ,不确定规划, 半定 规划 等等!
11
运行结果如下:
Global optimal solution found at iteration:
Objective value:
11.00000
演示 0
Variable
Value
运行结果如下:
演示
Local optimal solution found at iteration:
73
Objective value:
-1.000000
Variable
Value
X1 0.9999995
X2 0.9999992
Reduced Cost 0.000000 0.000000
Row Slack or Surplus Dual Price
DEMO 8
运行结果如下:
演示
Global optimal solution found at iteration:
2
Objective value:
18.33333
Variable X1 X2 X3 X4
Value 8.333333 0.000000 0.000000 1.666667
Reduced Cost 0.000000 0.6666667 4.333333 0.000000
x — 决策变量
f(x) — 目标函数 gi(x) ,hj(x) — 约束条件
2
优化模型分类
线性规划（LP）
非线性规划（NLP）
二次规划（QP）
连续规划 离散规划
0-1 整数规划（ZOP） 纯整数规划（PIP）
混合整数规划（MIP）
当然还有其它规划,如: 随机规划,模糊规划 ,不确定规划, 半定 规划 等等!
11
运行结果如下:
Global optimal solution found at iteration:
Objective value:
11.00000
演示 0
Variable
Value
LINGO软件介绍
例：邮局一周中每天需要不同数目的雇员，设周一 至少20人，周二至少16人，13,16,19,14,12人，又 规定应聘者需连续工作5天，问邮局每天聘多少雇 员才能既满足需求，又使聘用总人数最少。 min =s1+s2+s3+s4+s5+s6+s7; s1+s4+s5+s6+s7>=20; !周1雇员数; s1+s2+s5+s6+s7>=16; !周2雇员数; s1+s2+s3+s6+s7>=13; !周3雇员数; s1+s2+s3+s4+s7>=16; !周4雇员数; s1+s2+s3+s4+s5>=19; !周5雇员数; s2+s3+s4+s5+s6>=14; !周6雇员数; s3+s4+s5+s6+s7>=12; !周7雇员数;
五个基本的组成部分： 1．变量定义； 2．数据输入； 3．目标函数； 4．约束； 5．变量取值范围。
结束。 （1） 每条语句后必须使用分号“；”结束。问题 ） 每条语句后必须使用分号“ 模型必须由MODEL命令开始，END结束。 命令开始， 结束。 模型必须由 命令开始 结束 命令来作为输入问题模型的开始， （2） 用MODEL命令来作为输入问题模型的开始， ） 命令来作为输入问题模型的开始 格式为MODEL：statement （语句）。 语句）。 格式为 ： （3） 目标函数必须由“min =”或“max =”开头。 开头。 ） 目标函数必须由“ 或 开头 （4） 数字与变量之间 变量与变量之间要使用运 ） 数字与变量之间,变量与变量之间要使用运 算符。 如 号等 号等) 算符。(如*号等
数学建模软件LinDoLinGo的简介(修改)
X——表示变量X可取任意实数值。 GIN X——表示变量X只取非负整数值。 INT X——表示变量X只能取0或1。 SLB X value——表示变量X以value为下界。 SUB X value——表示变量X以value为上界。 FREE m——表示问题的前m个变量为自由变量 GIN m——表示问题前m个变量为非负整数值 INT m——表示问题前m个变量为0－1变量。
LINGO 示例
查看简单例子
LINHGO程序
Lindo模型到Lingo模型的转换
“ST”在Lingo模型中不再需要，所以删除了； 在每个系数与变量之间增加了运算符“*”；
将目标函数的表示方式从“MAX”变成“MAX=”；
每行（目标、约束和说明语句）后面均增加了一
个分号“;”； 约束的名字被放ngo中模型以“Model:”开始，以“END”结束。 对简单模型，这两个语句也可以省略。
LINDO/LINGO软件 使用简介
LinDo/LinGo简介
LINDO（Linear Interactive and Discrete Optimizer），即“交互式的线性和离散优化求解 器”，可以用来求解线性规划（LP）和二次规划 （QP）； LINGO（Linear Interactive and General Optimizer），即“交互式的线性和通用优化求解 器”，除了用来求解线性规划（LP）、二次规划 （QP）和非线性规划，还可用于线性和非线性方程 组的求解。 最大的特色：允许决策变量是整数（即整数规划，包 括0-1规划）。
Lindo求解整数规划
Lindo求解整数规划程序
LP OPTIMUM FOUND AT STEP 2 OBJECTIVE VALUE = 998.811951
lingo-lindo简介
Lingo、lindo简介一、软件概述 (1)二、快速入门 (4)三、Mathematica函数大全--运算符及特殊符号 (11)参见网址： /一、软件概述（一）简介LINGO软件是由美国LINDO系统公司研发的主要产品。
LINGO是Linear Interactive and General Optimizer的缩写，即交互式的线性和通用优化求解器。
LINGO可以用于求解非线性规划，也可以用于一些线性和非线性方程组的求解等，功能十分强大，是求解优化模型的最佳选择。
其特色在于内置建模语言，提供十几个内部函数，可以允许决策变量是整数(即整数规划，包括 0-1 整数规划)，方便灵活，而且执行速度非常快。
能方便与EXCEL，数据库等其他软件交换数据。
LINGO实际上还是最优化问题的一种建模语言,包括许多常用的函数可供使用者建立优化模型时调用,并提供与其他数据文件（如文本文件、Excel 电子表格文件、数据库文件等）的接口,易于方便地输入、求解和分析大规模最优化问题。
（二）LINGO的主要特点：Lingo 是使建立和求解线性、非线性和整数最佳化模型更快更简单更有效率的综合工具。
Lingo 提供强大的语言和快速的求解引擎来阐述和求解最佳化模型。
1 简单的模型表示LINGO 可以将线性、非线性和整数问题迅速得予以公式表示，并且容易阅读、了解和修改。
LINGO的建模语言允许您使用汇总和下标变量以一种易懂的直观的方式来表达模型，非常类似您在使用纸和笔。
模型更加容易构建，更容易理解，因此也更容易维护。
2 方便的数据输入和输出选择LINGO 建立的模型可以直接从数据库或工作表获取资料。
同样地，LINGO 可以将求解结果直接输出到数据库或工作表。
使得您能够在您选择的应用程序中生成报告。
3 强大的求解器LINGO拥有一整套快速的，内建的求解器用来求解线性的，非线性的(球面&非球面的)，二次的，二次约束的，和整数优化问题。
优化模型与Lingo Lindo软件
Lingo/Lindo软件介绍
---Lingo
对前面的线性规划模型，编写Lingo程序如下：
点击图标
运行，屏幕上显示运行状态窗口如下：
对于Lingo运行状态窗口， 我们给于以下解释：
变量数目：变量总数 （Total）、非线型变量 数（Nonlinear）、整数 变量数（Integer） 约束变量：约束总数 （ Total ）、非线性约束 个数（Nonlinear） 非线性系数数量：总数 （ Total ）、非线性项的 系数个数（Nonlinear） 内存使用量：单位为千字节
① 除具备Lindo的全部功能外，还可以用于求解非线性规划问题；
② Lingo包含了内置的建模语言，允许以简练、直观的方式描述较大规 模的优化问题，模型中所需的数据可以以一定的格式保存在独立的 文件中。
事实上，Lindo公司目前已经将Lindo软件从其产品目 录中删除，而将Lindo软件的所有功能都在Lingo中得到了 支持，所以在不久的将来总有一天人们会废弃Lindo软件不 再使用，但Lingo的生命力应该还是很顽强的！
Infeasibility 约束不满足的量；0表示这个解是可行的 Objective 显示当前解的目标函数值 Best IP 显示整数规划当前解的最佳标函数值：N/A 表示无答案或无意义 显示分支定界算法已经计算的分支数： N/A 表示无答案或无意义
IP Bound 显示整数规划的界 Branches
Lingo/Lindo软件介绍
这套软件包由美国芝加哥大学的Linus Scharge教
授于1980年前后开发，专门用于求解最优化问题，后 经不断完善和扩充，并成立LINDO公司进行商业化运 作，取得了巨大的成功。全球《财富》杂志500强的企 业中，一半以上使用该公司产品，其中前25强企业中 有23家使用该产品。 该软件包功能强大，版本也很多，而我们 使用的只 是演示版（试用版），演示版与正式版功能基本上是 类似的，只是能够求解问题的规模受到限制，总变量数 不超过30个，这在我们目前的使用过程中，基本上是 足够。
lindo和lingo简介
LINDO和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包。
LINDO 用于求解线性规划和二次规划，LINGO除了具有LINDO的全部功能外，还可以用于求解非线性规划，也可以用于一些线性和非线性方程组的求解以及代数方程求根等。
LINDO和LINGO软件的最大特色在于可以允许优化模型中的决策变量是整数（即整数规划），而且执行速度很快。
LINGO实际上还是最优化问题的一种建模语言，包括许多常用的函数可供使用者建立优化模型时调用，并提供与其它数据文件（如文本文件、EXCEL电子表格文件、数据库文件等）的接口，易于方便地输入、求解和分析大规模最优化问题。
由于这些特点，LINDO和LINGO软件在教学、科研和工业、商业、服务等领域得到广泛应用。
１）目标函数及各约束条件之间一定要有“Subject to (ST) ”分开。
２）变量名不能超过８个字符。
３）变量与其系数间可以有空格，单不能有任何运算符号（如乘号“＊”等）。
４）要输入<=或>=约束，相应以<或>代替即可。
５）一般LINDO中不能接受括号“（）“和逗号“，“，例：400(X1+X2) 需写成400X1+400X2；10,000需写成10000。
６）表达式应当已经过简化。
不能出现 2 X1+3 X2-4 X1，而应写成-２X1+3 X2。
用LINDO求解施工中的线性规划（LP）问题1 引言线性规划是现代化管理的常用工具与方法，在施工过程中，很多实际问题，如配（下）料，运输（土石方调配），施工机具车辆调度，施工场地的合理设点，成品、半成品、原材料的合适库存量规划问题等等，都需要运用线性规划方法求得最优方案。
线性规划一般需要先确定要求的未知变量和目标函数，然后找出所有的约束条件，表示为线性方程或不等式，建立问题的数学模型，对于变量数目和约束条件较少的情况可用手工计算，较多的情况则需运用计算机来求解。
2 LINDO介绍LINDO是Linear INteractive and Discrete Optimizer字首的缩写形式，是由Linus Schrage 于1986年开发的优化计算软件包。
LINDO-LINGO简介及使用方法
欢迎访问华中数学建模网 1.LINDO、LINGO一、软件简介LINDO是一种专门用于求解数学规划问题的软件包。
由于LINDO执行速度很快、易于方便输入、求解和分析数学规划问题。
因此在数学、科研和工业界得到广泛应用。
LINDO主要用于解线性规划、非线性规划、二次规划和整数规划等问题。
也可以用于一些非线性和线性方程组的求解以及代数方程求根等。
LINDO中包含了一种建模语言和许多常用的数学函数（包括大量概论函数），可供使用者建立规划问题时调用。
一般用LINDO（Linear Interactive and Discrete Optimizer）解决线性规划（LP—Linear Programming）。
整数规划（IP—Integer Programming）问题。
其中LINDO 6 .1 学生版至多可求解多达300个变量和150个约束的规划问题。
其正式版（标准版）则可求解的变量和约束在1量级以上。
LINDO则用于求解非线性规划（NLP—NON—LINEAR PROGRAMMING）和二次规则（QP —QUARATIC PROGRAMING）其中LINGO ６.0学生版最多可版最多达300个变量和150个约束的规则问题，其标准版的求解能力亦再10^4量级以上。
虽然LINDO和LINGO不能直接求解目标规划问题,但用序贯式算法可分解成一个个LINDO和LINGO能解决的规划问题。
要学好用这两个软件最好的办法就是学习他们自带的HELP文件。
下面拟举数例以说明这两个软件的最基本用法。
（例子均选自张莹《运筹学基础》）例１.（选自《运筹学基础》Ｐ５４.汽油混合问题，线性规划问题）一种汽油的特性可用两个指标描述：其点火性用“辛烷数”描述，其挥发性用“蒸汽压力”描述。
某炼油厂有四种标准汽油，设其标号分别为１，２，３，４，其特性及库存量列于下表１中，将上述标准汽油适量混合，可得两种飞机汽油，某标号为１，２，这两种飞机汽油的性能指标及产量需求列于表２中。
优化建模与LINGO第03章 LINGO软件的基本使用方法
按钮），图形界面，使用方便；
(这里主要介绍这种模式)
命令行 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 。
优化建模
从LINDO 到 LINGO LINGO 9.0功能增强，性能稳定，解答结果可靠。与
LINDO相比，LINGO 软件主要具有两大优点:
优化建模
LINGO早期版本对LINDO的兼容问题
从LINDO模型到LINGO模型的实质性转化工作主要在
于以下几个方面(这也是LINGO模型的最基本特征)： •将目标函数的表示方式从“MAX”变成了“MAX=”; •“ST”(SubjectTo)在LINGO模型中不需要，被删除； •在系数与变量之间增加运算符“*”(即乘号不能省略); •每行(目标、约束和说明语句)后面增加一个分号“;”； •约束的名字被放到 “[ ]”中，不放在右半括号“)”前；
INV ( I ) INV ( I 1) RP( I ) OP( I ) DEM ( I ), I 1,2,3,4
INV (0) 10
MIN
I 1, 2,3, 4
{400RP(I ) 450OP(I ) 20INV (I )}
加上变量的非负约束
优化建模
注：LINDO中没有数组，只能对每个季度分别定义变量， 如正常产量就要有RP1，RP2，RP3，RP4 4个变量等。 写起来就比较麻烦，尤其是更多(如1000个季度)的时候。 记四个季度组成的集合QUARTERS={1，2，3，4}， 它们就是上面数组的下标集合，而数组DEM,RP,OP, INV 对集合QUARTERS中的每个元素1，2，3，4分别对应于 一个值。LINGO正是充分利用了这种数组及其下标的关 系，引入了“集合”及其“属性”的概念，把 QUARTERS={1，2，3，4}称为集合，把DEM,RP,OP, INV称为该集合的属性(即定义在该集合上的属性)。
(这里主要介绍这种模式)
命令行 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 。
优化建模
从LINDO 到 LINGO LINGO 9.0功能增强，性能稳定，解答结果可靠。与
LINDO相比，LINGO 软件主要具有两大优点:
优化建模
LINGO早期版本对LINDO的兼容问题
从LINDO模型到LINGO模型的实质性转化工作主要在
于以下几个方面(这也是LINGO模型的最基本特征)： •将目标函数的表示方式从“MAX”变成了“MAX=”; •“ST”(SubjectTo)在LINGO模型中不需要，被删除； •在系数与变量之间增加运算符“*”(即乘号不能省略); •每行(目标、约束和说明语句)后面增加一个分号“;”； •约束的名字被放到 “[ ]”中，不放在右半括号“)”前；
INV ( I ) INV ( I 1) RP( I ) OP( I ) DEM ( I ), I 1,2,3,4
INV (0) 10
MIN
I 1, 2,3, 4
{400RP(I ) 450OP(I ) 20INV (I )}
加上变量的非负约束
优化建模
注：LINDO中没有数组，只能对每个季度分别定义变量， 如正常产量就要有RP1，RP2，RP3，RP4 4个变量等。 写起来就比较麻烦，尤其是更多(如1000个季度)的时候。 记四个季度组成的集合QUARTERS={1，2，3，4}， 它们就是上面数组的下标集合，而数组DEM,RP,OP, INV 对集合QUARTERS中的每个元素1，2，3，4分别对应于 一个值。LINGO正是充分利用了这种数组及其下标的关 系，引入了“集合”及其“属性”的概念，把 QUARTERS={1，2，3，4}称为集合，把DEM,RP,OP, INV称为该集合的属性(即定义在该集合上的属性)。
Lingo软件的介绍
最优解不变时目标函 数系数允许变化范围
(约束条件不变) x1系数范围(64,=72 增加为303=90， 在允许范围内
• A1获利增加到 30元/kg，应否改变生产计划?
不变！
影子价格有意义（不变）时约束右端的允许 变化范围 结果解释
Ranges in which the basis is unchanged: Objective Coefficient Ranges Current Allowable Allowable Variable Coefficient Increase Decrease X1 72.00000 24.00000 8.000000 X2 64.00000 8.000000 16.00000 Righthand Side Ranges Row Current Allowable Allowable RHS Increase Decrease 原料最多增加10 MILK 50.00000 10.00000 6.666667 时间最多增加53 TIME 480.0000 53.33333 80.00000 CPCT 100.0000 INFINITY 40.00000 充分条件 !
LINDO API: LINDO Application Programming Interface (V2.0)
演示(试用)版、学生版、高级版、超级版、工业版、 扩展版… （求解问题规模和选件不同）
回顾-优化模型
实际问题中 Min(或Max) z f ( x ), x ( x1 , x n )T 的优化模型 s.t. g i ( x) 0, i 1,2, m x~决策变量 数学规划 线性规划(LP) 0-1整数规划 二次规划(QP) 一般整数规划 非线性规划(NLP) f(x)~目标函数 gi(x)0~约束条件
LINGO软件介绍
基本模型
获利24元/kg 0.8kg B1 获利16元/kg 获利32元/kg 0.75kg B2 x3 kg B1, x4 kg B2 获利44元/kg
变量 目标 函数 约束 条件
x5 kg A1加工B1， x6 kg A2加工B2 利润 原料 供应 劳动 时间
max z 24x1 16x2 44x3 32x4 3x5 3x6
• 35元可买到1桶牛奶，要买吗?
35 <48, 应该买！ 2元！
• 聘用临时工人付出的工资最多每小时几元?
敏感性分析 (“LINGO|Ranges” )
Ranges in which the basis is unchanged: Objective Coefficient Ranges Current Allowable Allowable Variable Coefficient Increase Decrease X1 72.00000 24.00000 8.000000 X2 64.00000 8.000000 16.00000 Righthand Side Ranges Row Current Allowable Allowable RHS Increase Decrease MILK 50.00000 10.00000 6.666667 TIME 480.0000 53.33333 80.00000 CPCT 100.0000 INFINITY 40.00000
例1 加工奶制品的生产计划 问 题
1桶 牛奶 或 12h 3kgA1 4kgA2 获利24元/kg 获利16元/kg
8h 每天： 50桶牛奶 时间480h
至多加工100kgA1
制订生产计划，使每天获利最大 • 35元可买到1桶牛奶，买吗？若买，每天最多买多少? • 可聘用临时工人，付出的工资最多是每小时几元? • A1的获利增加到 30元/kg，应否改变生产计划？
- 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)。
lifengbing
2007-4-16
2
优化模型简介
优化模型的一般形式如下:
Max（或 Min） z=f(x) , x=(x1, x2 , … , xn)T s.t. gi(x)<=0, i= 1, 2, …, m hj(x)=0, j= m, m+1, …, n
x — 决策变量
f(x) — 目标函数 gi(x) ,hj(x) — 约束条件
Slack or Surplus Dual Price
11.00000
1.000000
1.000000
0.000000
1.000000
0.000000
lifengbing
2007-4-16
13
例4
min
f
3 2
x12
1 2
x22
x1 x2
2 x1
model: !this is an uncontrained optimal problem; min=3/2*x1^2+1/2*x2^2-x1*x2-2*x1; @free(x1); @free(x2); end
lifengbing
2007-4-16
14
运行结果如下:
演示
Local optimal solution found at iteration:
73
Objective value:
-1.000000
Variable
Value
X1 0.9999995
X2 0.9999992
lifengbing
2007-4-16
3
优化模型分类
线性规划（LP）
非线性规划（NLP）
二次规划（QP）
连续规划 离散规划
0-1 整数规划（ZOP） 纯整数规划（PIP）
混合整数规划（MIP）
当然还有其它规划,如: 随机规划,模糊规划 ,不确定规划, 半定 规划 等等!
lifengbing
2007-4-16
lifengbing
2007-4-16
7
需要掌握的几个重要方面
掌握集合(SETS)的应用； 正确阅读求解报告（尤其要掌握敏感性分析） 正确理解求解状态窗口； 学会设置基本的求解选项(OPTIONS) ； 掌握与外部文件的基本接口方法
lifengbing
2007-4-16
8
LINGO建模与求解实例
例1
max f 2x1 3x2 2x3 x4
s.t
.
x1 2x2 3x3 x1 x2 2x3
2 x4 x4
5 10
xi 0 i 1, 2, 3, 4
model: max=2*x1-3*x2-2*x3+x4; x1-2*x2-3*x3-2*x4=5; x1-x2+2*x3+x4=10; End
Reduced Cost 0.000000 0.6666667 4.333333 0.000000
Row 1 2 3
Slack or Surplus Dual Price
18.33333
1.000000
0.000000
0.3333333
0.000000
1.666667
2007-4-16
10
看完例1后,能解下面这个问题吗?
x1 , x2 Z
model: !this is an integer programming problem; max=4*x1+3*x2; 4*x1+x2<=10; 2*x1+3*x2<=8; @gin(x1); @gin(x2); end
ห้องสมุดไป่ตู้
lifengbing
2007-4-16
12
4
优化问题与LINGO/LINDO软件
连续优化
优化模型 整数规划(IP)
lifengbing
线性规划 二次规划
(LP)
(QP)
LINDO
2007-4-16
非线性规划 (NLP)
LINGO
5
LINDO/LINGO软件的求解过程
1. 确定常数 2. 识别类型
LINDO/LINGO预处理程序 LP QP NLP IP 全局优化(选)
例2
min f x1
2x1 3x2 7
s.t.
2x1 3x2 4x1 x2
6 4
x1 0, x2 0 演示
lifengbing
2007-4-16
11
例3
max f 4 x1 3 x2
s.t
.
4 2
x1 x1
x2 10 3x2 8
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)
lifengbing
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)
2007-4-16
6
编写Lingo模型时要注意的几个基本问题
优化建模与 LINDO/LINGO软件介绍
单位: 桂林电子科技大学 数学与计算 科学学院
制作人: 李丰兵
Lfb_guidian@
lifengbing
2007-4-16
1
简要提纲
• 优化模型简介 •优化问题与LINGO/LINDO软件 •LINGO建模与求解实例（结合软件介绍） •LINGO软件语法简介 •LINGO建模注意事项
1、尽量使用实数优化，减少整数约束和整数变量 2、尽量使用光滑优化，减少非光滑约束的个数
如：尽量少使用绝对值、符号函数、多个变量求最大/最小 值、四舍五入、取整函数等 3、尽量使用线性模型，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、合理设定变量上下界，尽可能给出变量初始值 5、模型中使用的参数数量级要适当 (如小于103)
lifengbing
2007-4-16
DEMO 9
运行结果如下:
演示
Global optimal solution found at iteration:
2
Objective value:
18.33333
lifengbing
Variable X1 X2 X3 X4
Value 8.333333 0.000000 0.000000 1.666667
运行结果如下:
Global optimal solution found at iteration:
Objective value:
11.00000
演示 0
Variable
Value
X1 2.000000
X2 1.000000
Reduced Cost -4.000000 -3.000000
Row 1 2 3