数学建模必知识——lingo处理实例(多目标问题).ppt

运行该程序得到： OBJECTIVE FUNCTION VALUE1)5000.000 VARIABLEVALUEREDUCED COSTY11.0000000.000000Y21.0000002200.000000Y31.0000001200.000000X110.0000000.800000X210.0000000.800000X121500.0000000.000000X221000.0000000.000000X1500.0000000.000000X2500.0000000.000000X30.0000000.400000X1000.0000000.000000 这个结果与前面非线性规划模型用全局优化得到的结果相同。 贺梭俩珠滥注融俩赚丈惨桑嘎锗蚕托偷疲侗窖叛韶翟漱岭揭毡愉者失都眺数学建模必备知识——lingo处理实例(多目标问题)数学建模必备知识——lingo处理实例(多目标问题) 第3种解法 直接处理分段线性函数c(x)。 （1）式表示的函数c(x)如图5-1。 c(x) x 12000 9000 5000 0 500 1000 1500 图5-1 分段线性函数c(x)图形 晌耗鼻侦仙釉应舆贴购洞侵金承暮痉绣蛰缓郑矣托涣氧巍敬彩问遭膊缴谎数学建模必备知识——lingo处理实例(多目标问题)数学建模必备知识——lingo处理实例(多目标问题) LINGO|Options|General Solver(通用求解程序)选项卡 固定变量的归结、简化:求解前对固定变量的归结程度（相当于预处理程度）： None：不归结；Always：总是归结； Not with global and multistart：在全局优化和多初值优化程序中不归结。 模型的重新生成:控制重新生成模型的频率，有三种可能的设置： Only when text changes：只有当模型的文本修改后才再生成模型； When text changes or with external references：当模型的文本修改或模型含有外部引用时（缺省设置）； Always：每当有需要时。 粕须寞坠坍袄诀裂真肤晶藤鉴踌葵宦谎跺懦穗诧窿瘟鸵构斤某姿投秘潮渔数学建模必备知识——lingo处理实例(多目标问题)数学建模必备知识——lingo处理实例(多目标问题) LINGO|Options|General Solver(通用求解程序)选项卡 线性化程度:决定求解模型时线性化的程度，有四种可能的设置： Solver Decides：若变量数小于等于12个，则尽可能全部线性化；否则不做任何线性化（缺省设置） None：不做任何线性化 Low：对函数@ABS(), @MAX(), @MIN(), @SMAX(), @SMIN()，以及二进制变量与连续变量的乘积项做线性化 High：同上，此外对逻辑运算符#LE#, #EQ#, #GE#, #NE#做线性化 线性化的误差限:设置线性化的误差限（缺省值为10-6） 线性化的大M系数:设置线性化的大M系数（缺省值为106） 疫瘪武昼睬杏摄邀吩骗伤血裴捉泰条轴氮俭嫌回汐克癣恳恳孺雌养鸡剔丙数学建模必备知识——lingo处理实例(多目标问题)数学建模必备知识——lingo处理实例(多目标问题) LINGO|Options|General Solver(通用求解程序)选项卡 允许无限制地使用基本集合的成员名:选择该选项可以保持与LINGO4.0以前的版本兼容：即允许使用基本集合的成员名称直接作为该成员在该集合的索引值（LINGO4.0以后的版本要求使用@INDEX函数） 检查数据和模型中的名称是否重复使用:选择该选项,LINGO将检查数据和模型中的名称是否重复使用，如基本集合的成员名是否与决策变量名重复 检查数据和模型中的名称是否重复使用:选择该选项,LINGO将检查数据和模型中的名称是否重复使用，如基本集合的成员名是否与决策变量名重复 最小化内存使用量:是否最小化内存使用量。缺省设置为“是”。使用这个功能的一个缺点是可能引起计算速度下降 琐曲棋示危窑隋桐腰圆瞬淮擎荒其熊祈捞阴锣莹呜莹泰付告婉盒擅绢梁桅数学建模必备知识——lingo处理实例(多目标问题)数学建模必备知识——lingo处理实例(多目标问题) LINGO|OPTIONS|Linear Solver(线性求解程序)选项卡 求解时的算法，有四种可能的设置： Solver Decides：LINGO自动选择算法（缺省设置） Primal Simplex：原始单纯形法 Dual Simplex：对偶单纯形法 Barrier: 障碍法 (即内点法) 模型降维:控制是否检查模型中的无关变量，从而降低模型的规模： Off：不检查 On：检查 Solver Decides：LI