利用lingo开发高级模型选讲.pptxVIP

例7.1 求解非线性方程组; 一条装配线含有一系列的工作站，在最终产品的加工过程中每个工作站执行一种或几种特定的任务。装配线周期是指所有工作站完成分配给它们各自的任务所化费时间中的最大值。平衡装配线的目标是为每个工作站分配加工任务，尽可能使每个工作站执行相同数量的任务，其最终标准是装配线周期最短。不适当的平衡装配线将会产生瓶颈——有较少任务的工作站将被迫等待其前面分配了较多任务的工作站。 问题会因为众多任务间存在优先关系而变得更复杂，任务的分配??须服从这种优先关系。 这个模型的目标是最小化装配线周期。有2类约束： ① 要保证每件任务只能也必须分配至一个工作站来加工； ② 要保证满足任务间的所有优先关系。 例 有11件任务（A—K）分配到4个工作站（1—4），任务的优先次序如下图。每件任务所花费的时间如下表。;? ? ? ? ? ? ? ?;有一个推销员，从城市1出发，要遍访城市2，3，…，n各一次，最后返回城市1。已知从城市i到j的旅费为Cij，问他应按怎样的次序访问这些城市，使得总旅费最少？;这里有两个明显的必须满足的条件： 访问城市i后必须要有一个即将访问的确切城市； 访问城市j前必须要有一个刚刚访问过的确切城市。 用下面的两组约束分别实现上面的两个条件。;这里，将叙述一种在原模型上附加充分的约束条件以避免产生子巡回的方法。把额外变量;这k个式子相加，有：;（ⅱ）非总巡回上的边;显然，当城市个数较大（大于30）时，该混合整数线性规划问题的规模会很大，从而给求解带来很大问题。TSP已被证明是NP难问题，目前还没有发现多项式时间的算法。对小规模问题，求解这个混合整数线性规划问题的方式还是有效的。 TSP是一个重要的组合优化问题，除了有直观的应用外，许多其它看似无联系的优化问题也可转化为TSP。例如： 问题1 现需在一台机器上加工n个零件（如烧瓷器），这些零件可按任意先后顺序在机器上加工。我们希望加工完成所有零件的总时间尽可能少。由于加工工艺的要求，加工零件j时机器必须处于相应状态Sj（如炉温）。设起始未加工任何零件时机器处于状态S0， ，且当所有零件加工完成后需恢复到S0状态。已知从状态Si调整到状态Sj(i≠j)需要时间Cij 。零件j本身加工时间为pj。为方便起见，引入一个虚零件0，其加工时间为0，要求状态为S0， ，则{0，1，2，…，n}的一个圈置换π就表示对所有零件的一个加工顺序，在此置换下，完成所有加工所需要的总时间为;!旅行售货员问题; model: sets: city / 1.. 5/: u; link( city, city): dist, ! 距离矩阵; x; endsets n = @size( city); data: !距离矩阵，它并不需要是对称的; dist = @qrand(1); !随机产生，这里可改为你要解决的问题的数据; enddata !目标函数; min = @sum( link: dist * x); ? @FOR( city( K): !进入城市K; @sum( city( I)| I #ne# K: x( I, K)) = 1; ? !离开城市K; @sum( city( J)| J #ne# K: x( K, J)) = 1; ); ? !保证不出现子圈; @for(city(I)|I #gt# 1: @for( city( J)| J#gt#1 #and# I #ne# J: u(I)-u(J)+n*x(I,J)=n-1); ); !限制u的范围以加速模型的求解，保证所加限制并不排除掉TSP问题的最优解; @for(city(I) | I #gt# 1: u(I)=n-2 ); !定义X为0\1变量; @for( link: @bin( x)); end; 给定N个点pi(i=1,2,…,N)组成集合{pi}。 cij表示任一点pi到另一点pj的距离，并作如下规定：若pi到pj没有弧联结，cij=+∞，cii=0 (i=1,2,…,N)。 现指定一个终点pN，求从pi点出发到pN的最短路线。 用动态规划方法做：点pi表示状态，决策集合是除pi以外点，选定一个点pj以后，得到cij并转入新状态效益pj ，当状态是pN时，过程停止。 这是一个不定期多阶段决策过程。 定义f(i)：由点pi出发至终点pN最短路程，由最优化原理得：;!最短路问题; model: data: n=10; enddata