lingo简明教程

LINGO教程共53页1LINGO是用来求解线性和非线性优化问题的简易工具。LINGO内置了一种建立最优化模型的语言，可以简便地表达大规模问题，利用LINGO高效的求解器可快速求解并分析结果。LINGO快速入门当你在windows下开始运行LINGO系统时，会得到类似下面的一个窗口：外层是主框架窗口，包含了所有菜单命令和工具条，其它所有的窗口将被包含在主窗口之下。在主窗口内的标题为LINGOModel–LINGO1的窗口是LINGO的默认模型窗口，建立的模型都都要在该窗口内编码实现。下面举两个例子。例1.1如何在LINGO中求解如下的LP问题：0,6002100350..32min212112121xxxxxxxtsxx在模型窗口中输入如下代码：min=2*x1+3*x2;x1+x2=350;x1=100;2*x1+x2=600;然后点击工具条上的按钮即可。例1.2使用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。单位销地运价产地B1B2B3B4B5B6B7B8产量A16267425960A24953858255LINGO教程共53页2A35219743351A47673927143A52395726541A65522814352销量3537223241324338使用LINGO软件，编制程序如下：model:!6发点8收点运输问题;sets:warehouses/wh1..wh6/:capacity;vendors/v1..v8/:demand;links(warehouses,vendors):cost,volume;endsets!目标函数;min=@sum(links:cost*volume);!需求约束;@for(vendors(J):@sum(warehouses(I):volume(I,J))=demand(J));!产量约束;@for(warehouses(I):@sum(vendors(J):volume(I,J))=capacity(I));!这里是数据;data:capacity=605551434152;demand=3537223241324338;cost=626742954953858252197433767392712395726555228143;enddataend然后点击工具条上的按钮即可。为了能够使用LINGO的强大功能，接着第二节的学习吧。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：研究当目标函数的费用系数和约束右端项在什么范围（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…，选择GeneralSolverTab，在DualComputations列表框中，选择PricesandRanges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。下面我们看一个简单的具体例子。例5.1某家具公司制造书桌、餐桌和椅子，所用的资源有三种：木料、木工和漆工。生产数据如下表所示：LINGO教程共53页3每个书桌每个餐桌每个椅子现有资源总数木料8单位6单位1单位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单位成品单价60单位30单位20单位若要求桌子的生产量不超过5件，如何安排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（ReportsWindow）,可以看到如下结果。Globaloptimalsolutionfoundatiteration:3Objectivevalue:280.0000VariableValueReducedCostDESKS2.0000000.000000TABLES0.0000005.000000CHAIRS8.0000000.000000RowSlackorSurplusDualPrice1280.00001.000000224.000000.00000030.00000010.0000040.00000010.0000055.0000000.000000“Globaloptimalsolutionfoundatiteration:3”表示3次迭代后得到全局最优解。“Objectivevalue: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）。“SlackorSurplus”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，所以第二行对应第一个约束）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“ReducedCost”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reducedcost值应为0，对于非基变量Xj,相应的reducedcost值表示当某个变量Xj增加一个单位时目标函数减少的量(max型问题)。本例中：变量tables对应的reducedcost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,但为了满足约束条件，基变量显然会发生变化），最优的目标函数值=280-5=275。“DUALPRICE”（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。若其数值为p，表示对应约束中不等式右端项若增加1个单位，目标函数将增加p个单位（max型问题）。显然，如果在最优解处约束LINGO教程共53页4正好取等号（也就是“紧约束”，也称为有效约束或起作用约束），对偶价格值才可能不是0。本例中：第3、4行是紧约束，对应的对偶价格值为10，表示当紧约束3)4DESKS+2TABLES+1.5CHAIRS=20变为3)4DESKS+2TABLES+1.5CHAIRS=21时，目标函数值=280+10=290。对第4行也类似。对于非紧约束（如本例中第2、5行是非紧约束），DUALPRICE的值为0,表示对应约束中不等式右端项的微小扰动不影响目标函数。有时,通过分析DUALPRICE,也可对产生不可行问题的原因有所了解。灵敏度分析的结果是Rangesinwhichthebasisisunchanged:ObjectiveCoefficientRangesCurrentAllowableAllowableVariableCoefficientIncreaseDecreaseDESKS60.000000.00.0TABLES30.000000.00.0CHAIRS20.000000.00.0RighthandSideRangesRowCurrentAllowableAllowableRHSIncreaseDecrease248.000000.00.0320.000000.00.048.0000000.00.055.0000000.00.0目标函数中DESKS变量原来的费用系数为60，允许增加（AllowableIncrease）=4、允许减少（AllowableDecrease）=2，说明当它在[60-4，60+20]=[56，80]范围变化时，最优基保持不变。对TABLES、CHAIRS变量，可以类似解释。由于此时约束没有变化（只是目标函数中某个费用系数发生变化），所以最优基保持不变的意思也就是最优解不变（当然，由于目标函数中费用系数发生了变化，所以最优值会变化）。第2行约束中右端项（RightHandSide，简写为RHS）原来为48，当它在[48-24，48+∞]=[24，∞]范围变化时，最优基保持不变。第3、4、5行可以类似解释。不过由于此时约束发生变化，最优基即使不变，最优解、最优值也会发生变化。灵敏性分析结果表示的是最优基保持不变的系数范围。由此，也可以进一步确定当目标函数的费用系数和约束右端项发生小的变化时，最优基和最优解、最优值如何变化。下面我们通过求解一个实际问题来进行说明。例5.2一奶制品加工厂用牛奶生产A1,A2两种奶制品，1桶牛奶可以在甲车间用12小时加工成3公斤A1，或者在乙车间用8小时加工成4公斤A2。根据市场需求，生产的A1,A2全部能售出，且每公斤A1获利24元，每公斤A2获利16元。现在加工厂每天能得到50桶牛奶的供应，每天正式工人总的劳动时间480小时，并且甲车间每天至多能加工100公斤A1，乙车间的加工能力没有限制。试为该厂制订一个生产计划，使每天获利最大，并进一步讨论以下3个附加问题：1）若用35元可以买到1桶牛奶，应否作这项投资？若投资，每天最多购买多少桶牛奶？2）若可以聘用临时工人以增加劳动时间，付给临时工人的工资最多是每小时几元？3）由于市场需求变化，每公斤A1的获利增加到30元，应否改变生产计划？模型代码如下：max=72*x1+64*x2;x1+x2=50;LINGO教程共53页512*x1+8*x2=480;3*x1=100;求解这个模型并做灵敏性分析，结果如下。Globaloptimalsolutionfoundatiteration:0Objectivevalue:3360.000VariableValueReducedCostX120.000000.000000X230.000000.000000RowSlackorSurplusDualPrice13360.0001.00000020.00000048.0000030.0000002.000000440.000000.000000Rangesinwhichthebasisisunchanged:ObjectiveCoefficientRangesCurrentAllowableAllowableVariableCoefficientIncreaseDecreaseX172.0000024.000008.000000X264.000008.00000016.00000RighthandSideRangesRowCurrentAllowableAllowableRHSIncreaseDecrease250.0000010.000006.6666673480.000053.3333380.000004100.0000INFINITY40.00000结果告诉我们：这个线性规划的最优解为x1=20，x2=30，最优值为z=3360，即用20桶牛奶生产A1,30桶牛奶生产A2，可获最大利润3360元。输出中除了告诉我们问题的最优解和最优值以外，还有许多对分析结果有用的信息，下面结合题目中提出的3个附加问题给予说明。3个约束条件的右端不妨看作3种“资源”：原料、劳动时间、车间甲的加工能力。输出中SlackorSurplus给出这3种资源在最优解下是否有剩余：原料、劳动时间的剩余均为零，车间甲尚余40（公斤）加工能力。目标函数可以看作“效益”，成为紧约束的“资源”一旦增加，“效益”必然跟着增长。输出中DUALPRICES给出这3种资源在最优解下“资源”增加1个单位时“效益”的增量：原料增加1个单位（1桶牛奶）时利润增长48（元），劳动时间增加1个单位（1小时）时利润增长2（元），而增加非紧约束车间甲的能力显然不会使利润增长。这里，“效益”的增量可以看作“资源”的潜在价