选修课策略问题.docVIP

选修课策略问题 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。这些课程的编号、名称、学分、所属类别和先修课要求如表5.4所示。那么，毕业时学生最少可以学习这些课程中哪些课程。 如果某个学生既希望选修课程的数量少，又希望所获得的学分多，他可以选修哪些课程？ 表5.4 课程情况 课程编号 课程名称 学分 所属类别 先修课要求 1 微积分 5 数学 2 线性代数 4 数学 3 最优化方法 4 数学；运筹学 微积分；线性代数 4 数据结构 3 数学；计算机 计算机编程 5 应用统计 4 数学；运筹学 微积分；线性代数 6 计算机模拟 3 计算机；运筹学 计算机编程 7 计算机编程 2 计算机 8 预测理论 2 运筹学 应用统计 9 数学实验 3 运筹学；计算机 微积分；线性代数 模型的建立 2.1不考虑学分情形： 记i=1，2，…，9表示9门课程的编号。设表示第i门课程选修，表示第i门课程不选。问题的目标为选修的课程总数最少，即 约束条件包括两个方面： 第一方面是课程数量的约束： 每个人最少要学习2门数学课，则 每个人最少要学习3门运筹学课 ，则 每个人最少要学习2门计算机课，则有： 第二方面是先修课程的关系约束： 如“数据结构”的先修课程是“计算机编程”，这意味着如果，必须，这个条件可以表示为（注意当时对没有限制）。这样，所有课程的先修课要求可表为如下的约束 “最优化方法”的先修课是“微积分”和“线性代数”，有： “数据结构”的先修课程是“计算机编程”，有： “应用统计”的先修课是“微积分”和“线性代数”，有： “计算机模拟”的先修课程是“计算机编程”，有： “预测理论”的先修课程是“应用统计”，有： “数学实验”是“微积分”和“线性代数”，有： 这样一来，总的0-1规划模型为： 解得： 。 即选修课程为：微积分,线性代数.最优化方法,计算机模拟,计算机编程,数学实验。 LINGO程序为： model: sets: item/1..9/:c,x; endsets data: c=5,4,4,3,4,3,2,2,3; enddata min=@sum(item(i):x(i));!课程最少; x(1)+x(2)+x(3)+x(4)+x(5)=2; x(3)+x(5)+x(6)+x(8)+x(9)=3; x(4)+x(6)+x(7)+x(9)=2; x(3)=x(1); x(3)=x(2); x(4)=x(7); x(5)=x(1); x(5)=x(2); x(6)=x(7); x(8)=x(5); x(9)=x(1); x(9)=x(2); @for(item(i):@bin(x(i))); end 2.2 考虑学分情形： 当要求学分最多时，设各门课程学分为，则增加学分最大的目标函数为： 这样总的双目标0-1规划模型为： 当把选修课程指定为6门时，对学分最大求最优，解得： 。最大学分为z=22。 即选修课程为：微积分,线性代数.最优化方法, 应用统计,计算机编程,数学实验。学分达到22分。 LINGO程序为： model: sets: item/1..9/:c,x; endsets data: c=5,4,4,3,4,3,2,2,3; enddata max=@sum(item(i):c(i)*x(i)); @sum(item(i):x(i))=6; !课程为6门; x(1)+x(2)+x(3)+x(4)+x(5)=2; x(3)+x(5)+x(6)+x(8)+x(9)=3; x(4)+x(6)+x(7)+x(9)=2; x(3)=x(1); x(3)=x(2); x(4)=x(7); x(5)=x(1); x(5)=x(2); x(6)=x(7); x(8)=x(5); x(9)=x(1); x(9)=x(2); @for(item(i):@bin(x(i))); end