【案例】天大运筹学相关软件lindo案例.docx

【案例】天大运筹学相关软件lindo案例 - - - - - -精品可编辑word学习资料 gF10I1I1K8C2 — — hF9P3T6D5M1 — — lF5Q1V5A6M5 Lindo 的数据分析及习题 灵敏性分析（ Range， Ctrl+R ） 用该命令产生当前模型的灵敏性分析报告：争论当目标函数的费用系数和约束右端项在什么范畴 （此时假定其它系数不变）时，最优基保持不变；灵敏性分析是在求解模型时作出的，因此在求解模型 时灵敏性分析是激活状态，但是默认是不激活的；为了激活灵敏性分析，运行 LINGO|Options ?，挑选General Solver Tab ， 在 Dual Computations 列表框中，挑选 Prices and Ranges 选项；灵敏性分析耗费相当多的求解时间，因此当速度很关键时，就没有必要激活它； 下面我们看一个简洁的详细例子； 木料每个书桌8 单位每个餐桌6 木料 每个书桌 8 单位 每个餐桌 6 单位 每个椅子 1 单位 现有资源总数 48 单位 漆工 4 单位 2 单位 1.5 单位 20 单位 木工 2 单位 1.5 单位 0.5 单位 8 单位 |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | * | |欢. |迎. |下. |载.  成品单价 60 单位 30 单位 20 单位 如要求桌子的生产量不超过 5 件，如何支配三种产品的生产可使利润最大？ 用 DESKS、TABLES和 CHAIRS分别表示三种产品的生产量，建立 LP 模型； max =60*desks+30*tables+20*chairs; 8*desks+6*tables+chairs<=48; 4*desks+2*tables+1.5*chairs<=20; 2*desks+1.5*tables+.5*chairs<=8; tables<=5; 求解这个模型，并激活灵敏性分析；这时，查看报告窗口（ Reports Window）, 可以看到如下结果； Global optimal solution found at iteration: 3 Objective value: 280.0000 Variable Value Reduced Cost DESKS 2.000000 0.000000 TABLES 0.000000 5.000000 CHAIRS 8.000000 0.000000 Row Slack or Surplus Dual Price 1 280.0000 1.000000 2 24.00000 0.000000 3 0.000000 10.00000 4 0.000000 10.00000 5 5.000000 0.000000 “ Global optimal solution found at iteration: 3 ”表示 3 次迭代后得到全局最优解；“Objective value:280.0000 ”表示最优目标值为 280； “Value”给出最优解中各变量的值：造 2 个书桌（ desks ）, 0 个餐桌（ tables ）, 8 个椅子（ chairs ）；所以 desks 、chairs 是基变量 （非 0），tables是非基变量（ 0）； “Slack or Surplus ”给出松驰变量的值： 第 1 行松驰变量 =280 （模型第一行表示目标函数，所以其次行对应第一个约束） 第 2 行松驰变量 =24 第 3 行松驰变量 =0 第 4 行松驰变量 =0 第 5 行松驰变量 =5 “ Reduced Cost ”列出最优单纯形表中判别数所在行的变量的系数， 表示当 变量有微小变动 时, 目标函数的变化率；其中基变量的 reduced cost 值应为 0， 对于非基变量 X j , 相应的 reduced cost 值表示当某个变量 Xj 增加一个单位时目标函数削减的量 ( max 型问题 ) ；本例中：变量 tables 对应的reduced cost 值为 5，表示当非基变量 tables 的值从 0 变为 1 时（此时假定其他非基变量保持不变 , 但为了满意约束条件，基变量明显会发生变化） ，最优的目标函数值 = 280 - 5 = 275 ； “DUAL PRICE”（对偶价格 ）表示当对应约束有微小变动时 , 目标函数的变化率；输出结果中对 应于每一个约束有一个对偶价格； 如其数值为 p， 表示对应约束中不等式右端项如增加 1 个单位， 目标函数将增加 p 个单位（ max 型问题）；明显，假如在最优解处约束正好取等号（也就是“