lingo编程例子.docVIP

电力优化模型的编程：七个时段四种机型 sets: sd/1..7/:sj,xq; xhj/1..4/:ky,zx,zd,gd,bj,qd; links(sd,xhj):x,y; endsets data: sj=6,3,3,2,4,4,2; xq=12000,32000,25000,36000,25000,30000,18000; ky=10,4,8,3; zx=750,1000,1200,1800; zd=1750,1500,2000,3500; gd=2250,1800,3750,4800; bj=2.7,2.2,1.8,3.8; qd=5000,1600,2400,1200; enddata min=@sum(links(i,j)|i#gt#1:qd(j)*@if(x(i-1,j)-x(i,j)#ge#0,0,x(i,j)-x(i-1,j))+gd(j)*sj(i)*x(i,j)+(y(i,j)-zx(j))*sj(i)*bj(j)*x(i,j))+@sum(links(i,j)|i#eq#1:qd(j)*x(i,j)+gd(j)*sj(i)*x(i,j)+y(i,j)*sj(i)*bj(j)*x(i,j)-zx(j)*sj(i)*bj(j)*x(i,j)); @for(sd(i):@sum(xhj(j):x(i,j)*y(i,j))=xq(i)); @for(links(i,j):@bnd(0,x(i,j),ky(j))); @for(links(i,j):@bnd(zx(j),y(i,j),zd(j))); @for(links(i,j):@gin(x(i,j))); end 直接的线性规划例子： min=2*x1+3*x2; x1+x2=350; x1=100; 2*x1+x2=600; 将同维数组的元素变为统一相同： sets: days /MO,TU,WE,TH,FR,SA,SU/:needs,cost; endsets data: needs cost = 20 100; enddata #not#　 not＃是一个一元运算符 #eq#　　若两个运算数相等，则为true；否则为flase #ne# true；否则为flase #gt# true；否则为flase #ge#　 true；否则为flase #lt#　 true；否则为flase #le#　 true；否则为flase #and#　 true时，结果为true；否则为flase sets: object/1..3/: f; endsets data: a, b = 3, 4; !两个直角边长，修改很方便; enddata f(1) = a * @sin(x); f(2) = b * @cos(x); f(3) = a * @cos(x) + b * @sin(x); min = @smax(f(1),f(2),f(3)); @bnd(0,x,1.57); end 求s=x^2*y,利用了数组乘数组的模型： sets: number/1..5/:x; jq/1..5/:y; endsets data: y=2; enddata @for(number(I): x(I)=I^2); s=@sum(number(I):x(I)*y(I)); end @qrand(seed) 产生服从(0,1)区间的拟随机数。@qrand只允许在模型的数据部分使用，它将用拟随机数填满集属性。通常，声明一个m×n的二维表，m表示运行实验的次数，n表示每次实验所需的随机数的个数。在行内，随机数是独立分布的；在行间，随机数是非常均匀的。这些随机数是用“分层取样”的方法产生的。data: M=4; N=2; seed=1234567; enddata sets: rows/1..M/; cols/1..N/; table(rows,cols): x; endsets data: X=@qrand(seed); enddata end 如果没有为函数指定种子，那么LINGO将用系统时间构造种子。 6个发点8个收点的最小费用运输LINGO软件计算6个发点8个收点的最小费用运输问题。产销单位运价如下表。 位 销地 价 产地 B1 B2 B3 B4 B5 B6 B7 B8 产量 A1 6 2 6 7 4 2 5 9 60 A2 4 9 5 3 8 5 8 2 55 A3 5 2 1 9 7 4 3 3 51 A4 7 6 7 3 9 2 7 1 43 A5 2 3 9 5 7 2 6 5 41 A6 5 5 2 2 8 1 4 3 52 销量 35 37 22 32 41 32 43 3