机工社数学建模：算法与编程实现教学课件第05讲_规划模型.pptx

;; 规划模型，也叫优化模型，其三要素为： （1）决策变量 即需要做出决策或选择的量，问题所问的量肯定是决策变量，此外根据建模（列式子表示）的需要，还有其他决策变量。决策变量通常用 表示，决策变量要可以有不同的取值，规划模型求解就是要找到其最优取值。 （2）目标函数 用决策变量及参数（系数）变量表示的等式，表达问题所要达到的目标，需要明确是 max 或 min. （3）约束条件 由决策变量和参数变量表示的式子（等式或不等式），用来表达问题所要受到的所有约束。 注：参数是问题中会给出的已知量（常数）。 ;规划模型的建模与求解 规划模型的建模过程，就是一般的从常识、机理出发的数学建模过程： 明确问题； 引入变量符号； 从运作机理去分析、梳理出来目标是什么？约束有哪些？怎么用数学式子表达出来？ 表示目标函数，就是问题想要达到的目标，用数学式子表示 表示约束条件，往往来自问题的描述（比如资源约束），以及常识所要求或限制；约束条件找得越多越全面，模型就越符合实际，同时在模型求解时也更容易求解（缩小了搜索解的范围）；有时候对于较复杂的问题，也可以基于常识分为几种情况讨论，对一些明显不是较优的情况直接不予考虑。; 引入变量符号（包括决策变量、参数变量），特别是确定决策变量，把梳理清楚的目标和各个约束用数学式子表示出来，就得到规划模型。 规划模型建议用 Lingo 求解，或者采用智能优化算法，但前提都是先把规划模型建立起来。 0-1 决策变量 在规划建模时，有一类特别有用的决策变量叫作 0-1 决策变量。前面说到优化建模过程，需要将“文字描述”的目标和约束条件，用数学式子表示出来，这就离不开0-1决策变量。 0-1决策变量，常用来表示系统是否处于某种特定的状态，或者决策时是否取定某个特定方案，它们再与一般决策变量连乘，就能表示很多种可能性下的“计算”。;?; 规划模型按模型类别分类如下，不同类的模型求解方法及实现不同： ; 规划模型按用途（套路）分类：生产计划问题、下料问题、运输问题、选址问题、背包问题、调度问题等。不同用途的规划模型，能解决一类实际的规划问题，适合归纳总结、建模时套用。 本章将介绍线性规划、整数规划、混合整数规划、非线性规划，借助实例演示如何建模与求解，涉及编程技术是用 Lingo 求解常规优化模型。;一. 线性规划;(2) 线性规划的一般形式;?;(3) 线性规划的对偶问题; 1) 原问题是某厂如何优化分配自己的设备资源 设备 A, 设备 B, 设备 C，生产多少数量的产品甲、产品乙使得利润最大，生产单位产品所需的设备台时及资源限制如下： ;?;?;?;(4) 线性规划的求解;案例：生产计划问题建模;(1) 模型建立;?;?; 额外约束： (1 张桌子配 4 把椅子) 非负约束 ： (不能生产任何负数量的产品) 5) 最终模型 ;2. 模型求解;(2) Lingo 求解;程序说明： Lingo 默认决策变量都是非负实数，非负约束不需要写代码； Lingo 不区分大小写； Lingo 中“”等同于“=”，“”等同于“=”； 做乘法的“*”不能省略； 分号表示一行结束； max 和 min 是表明目标是求最大还是最小的关键字。 ;运行结果： Global optimal solution found. Objective value: 3578.947 Variable Value Reduced Cost X1 10.52632 0.000000 X2 42.10526 0.000000 Row Slack or Surplus Dual Price 1 3578.947 1.000000 2 133.1579 0.000000 3