第三章线性规划及lingo求解.ppt

* 6个工场的位置图如图9-3-1所示 * * * * 在向LINGO输入模型时，首先定义需求点（demand）集合与供应点（supply）两个集合，分别有6个元素与2个元素，而决策变量则看成是由集合demand与集合supply的笛卡积的元素，这就是所谓的派生集合．定义由集合demand与集合supply的笛卡积的派生集合命令如下 Link（demand，supply）：c * 输入模型如图(模型中的@free( )函数作用是取消的非负限制) * 执行求解命令“lingo|Solve”后程序运行状态窗口如下图所示 * 报 告 窗 口 * 从状态窗口可知，该模型属于非线性规划模型，16个决策变量均是非线性变量，40个非零系数中有16个是非线性项系数，最优值85.266是局部最优值． 第一料场与第二料场地点坐标分别是（3.25，5.65），（7.25，7.75）． 调度计划见下表： 第1工场 第2工场 第3工场 第4工场 第5工场 第6工场 第1料场 3 4 7 6 第2料场 5 11 * 局部最优值85.266是否是全局最优值呢？可以考虑采用全局最优求解器求解本例，但因为使用的是测试版本，对如此庞大规模的问题已无能为力． 激活全局求解程序的方法是在执行求解命令“lingo|Solve”之前，执行“lingo|Options”命令，打开选项对话框，在“Global Solver”选项卡上选择“Use Global Solve”． * 在Constraints框中 “Total 5”表示模型中约束总数为5 “Nonlinear 0”表示非线性约束个数为0． 在Nonzeros框中 “Total 8”表示模型中非零系数为8 “Nonlinear 0”表示非线性项的系数个数为0． * 在Generator Memory Used（K）框中显示的内存使用量为16K． 在Elapsed Runtime（hh:mm:ss）框中显示的是求解花费的时间，显示为0是因为所花时间太短． * 解答报告窗口 * 在解答报告窗口中，很容易观察得最优解(4,2)及目标函数最优值14. 其中“Slack or Surplus”表示松驰或剩余值，如第5行的值为4，表示当决策变量取最优解时，模型中第5行即第四约束中的松驰或剩余值为4，不是紧约束． * 例2 在上一小节的例2中，我们建立了如下的模型 Min ST. * 启动LINDO，输入模型，如图所示 * 执行菜单命令“LINGO|Solve”则可得到如图所示的模型状态窗口 * 解答报告窗口 * 状态窗口显示，经过3次迭代，求得全局最优解，相应的目标函数值为16，解答报告窗口显示，按Ⅰ方案下料30根，Ⅱ方案下料10根，Ⅳ方案下料50根，共下料90根，可做成100件钢架，并使料头累计最小，最小值为16米． * 3-2-3 在LINGO中使用集合 理解LINGO建模语言最重要的是理解集合（set）及其属性（attribute）的概念．什么是集合，下面通过一个简单的例子开始来进行介绍． * 例3 某公司需要决定下一年度四个季度的生产量．已知下一年度四个季度的订单分别是40件、60件、75件、25件，每个季度的正常的生产的能力是40件，每件产品的生产成本为4000元，如果加班生产，则每件产品的生产成本为4500元．每个季度末，每件产品的库存费用为200元，假定生产提前期为0，初始库存为10件．问如何生产可使总成本最小． * 现用dem，rp，op，inv分别表示需求量、正常生产量、加班生产量，库存量，则每一个季度都有一个对应的值，换言之，他们都是一个由4个元素构成的数组，其中dem是已知的，则后三个数组则是未知的． * * 该例的集合及其属性详见表 集合seasons的元素 1 2 3 4 集合seasons的属性 dem dem（1） dem（2） dem（3） dem（4） rp rp（1） rp（2） rp（3） rp（4） op op（1） op（2） op（3） op（4） inv inv（1） inv（2） inv（3） inv（4） * 该模型的目标函数是 约束条件有两个 生产能力约束： 产品数量平衡约束：