优化建模和LINGO第07章1.ppt

7.2 最短路问题和最大流问题; 本节内容概述 最短路问题(Shortest Path Problems)和最大流问题(Maxiumum Flow Problems)是图论另一类与优化有关的问题，对于这两在问题，实际上，图论中已有解决的方法，如最短路问题的求解方法有Dijkstra算法，最大流问题的求解方法有标号算法.这里主要讨论的是如何用LINGO软件来求解最短路和最大流问题，对于LINDO软件的求解方法，作者可以根据模型自己设计相应的程序，作为LINDO软件的训练和问题的练习.;§7.2.1 最短路问题;1. 图的基本概念; 定义7.4（邻接矩阵和赋权矩阵）如果 , 则称 与 邻接, 具有 个顶点的图的邻接矩阵(Adjacency Matrix)是一个 阶矩阵 , 其分量为 ;个顶点的赋权图的赋权矩阵是一个阶 矩阵 ;2. 最短路问题的数学表达式; 3. 最短路问题的求解过程 ; 4]sets: 5] ! Here is our primitive set of seven cities; 6] cities/A, B1, B2, C1, C2, C3, D/; 7] 8] ! The Derived set roads lists the roads that 9] exist between the cities; 10] roads(cities, cities)/ 11] A,B1 A,B2 B1,C1 B1,C2 B1,C3 B2,C1 B2,C2 B2,C3 12] C1,D C2,D C3,D/: w, x; 13]endsets 14] 15]data: 16] ! Here are the distances that correspond; 17] to above links; 18] w = 2 4 3 3 1 2 3 1 1 3 4; 19]enddata 20] 21]n=@size(cities); ! The number of cities; 22]min=@sum(roads: w*x); 23]@for(cities(i) | i #ne# 1 #and# i #ne# n: 24] @sum(roads(i,j): x(i,j)) = @sum(roads(j,i): x(j,i))); 25]@sum(roads(i,j)|i #eq# 1 : x(i,j))=1; END; 在上述程序中， 21]句中的n=@size(cities)是计 算集cities的个数，这里的计算结果是 , 这样编 写方法目的在于提高程序的通用性.22]句表示目标 函数(14), 即求道路的最小权值.23], 24]句表示约束 (15) 中 的情况，即最短路中中间点的约束 条件.25]句表示约束中 的情况，即最短路中 起点的约束.; 软件可以自动删除描述线性规划可行解中的多 余方程. ; 例7.9 (设备更新问题) 张先生打算购买一辆新轿车，轿车的售价是12万元人民币.轿车购买后，每年的各种保险费养护费等费用由表7-5所示.如果在5年之内，张先生将轿车售出，并再购买新年.5年之内的二手车销售价由表7-6所示.请你帮助张先生设计一种购买轿车的方案，使5年内用车的总费用最少. ;表7-6 二手车的售价; 记 表示第 年开始到 年结束购车的总销费, 即;由此得到;写出相应的LINGO程序，程序名： exam0709.lg4; 11]enddata 12]n=@size(nodes); 13]min=@sum(arcs:c*x); 14]@for(nodes(i) | i #ne# 1 #and# i #ne# n: 15] @sum(arcs(i,j):x(i,j)) = @sum(arcs(j,i):x(j,i))); 16]@sum(arcs(i,j)|i #eq# 1 : x(i,j))=1; END; LINGO软件的计算结果（仅保留非零变量）如下 Global optimal soluti