运筹学上机实验报告

运筹学上机实验报告

运筹学上机实验报告

一、引言

运筹学是一门研究如何在有限资源下做出最优决策的学科。通过数学建模和优

化算法,可以解决许多实际问题,如生产调度、物流配送、资源分配等。本次

实验旨在通过上机实践,加深对运筹学理论的理解,并掌握运筹学在实际问题

中的应用。

二、实验目的

本次实验的主要目的是通过运筹学软件的使用,解决一个实际问题。具体目标

包括:

1. 掌握运筹学软件的基本操作方法;

2. 学会进行数学建模,将实际问题转化为数学模型;

3. 运用优化算法求解数学模型,得到最优解;

4. 分析并评价所得解的合理性和可行性。

三、实验过程

1. 问题描述

本次实验的问题是一个生产调度问题。某工厂有3台机器和6个任务需要完成,每个任务所需时间不同。任务之间存在一定的先后顺序,即某些任务必须在其

他任务完成后才能开始。目标是找到一个最优的调度方案,使得所有任务完成

所需的总时间最短。

2. 数学建模

首先,将该问题转化为数学模型。假设任务1到任务6的完成顺序为x1到x6,

其中xi表示任务i在调度中的位置。定义变量ti表示任务i的完成时间。则该

问题可以用如下的数学模型表示:

目标函数:minimize t6

约束条件:

t1 = 0

t2 ≥ t1 + x2

t3 ≥ t2 + x3

t4 ≥ t1 + x4

t5 ≥ max(t2 + x5, t3 + x5)

t6 ≥ max(t4 + x6, t5 + x6)

3. 软件操作

在运筹学软件中,根据上述数学模型进行建模。首先,定义变量和约束条件,

并设置目标函数为t6的最小化。然后,使用优化算法求解该模型,得到最优解。

4. 结果分析

根据软件求解结果,得到最优调度方案为x1=1, x2=2, x3=3, x4=4, x5=5, x6=6。对应的任务完成时间为t1=0, t2=1, t3=3, t4=5, t5=7, t6=9。因此,所有任务完

成所需的总时间最短为9个单位时间。

五、实验总结

本次实验通过运筹学软件的使用,解决了一个生产调度问题。通过数学建模和

优化算法,得到了最优的调度方案,并分析了该方案的合理性和可行性。实验

过程中,我深刻体会到了运筹学在实际问题中的应用价值,也对运筹学理论有

了更深入的理解。

通过本次实验,我不仅学会了运筹学软件的基本操作方法,还掌握了数学建模和优化算法的应用技巧。这对我的专业学习和未来的工作都具有重要的意义。我相信,在今后的学习和实践中,我将能够更好地运用运筹学的理论和方法,解决更复杂的实际问题。

运筹学实验报告

运 筹 学 实 验 报 告 学院:经济管理学院 专业班级:工商11-2班 姓名:石慧婕 学号:311110010207

实验一线性规划 一实验目的 学习WinQSB软件的基本操作,利用Linear Programming功能求解线性规划问题。掌握线性规划的基本理论与求解方法,重点在于单纯形法的应用以及灵敏度分析方法。 二、实验内容 安装WinQSB软件,了解WinQSB软件在Windows环境下的文件管理操作,熟悉软件界面内容,掌握操作命令。利用Linear Programming功能建立线性模型,输入模型,求解模型,并对求解结果进行简单分析。 三实验步骤 1.将WinQSB文件复制到本地硬盘;在WinQSB文件夹中双击setup.exe。 2.指定安装WinQSB软件的目标目录(默认为C:\ WinQSB)。 3.安装过程需要输入用户名和单位名称(任意输入),安装完毕之后,WinQSB菜单自动生成在系统程序中。 4.熟悉WinQSB软件子菜单内容及其功能,掌握操作命令。 5.求解线性规划问题。启动程序开始→程序→WinQSB→Linear and Integer Programming。 某工厂要用三种原材料C、P、H混合调配出三种不同规格的产品A、B、D。已知产品的规格要求,产品单价,每天能供应的原材料数量及原材料单价分别见下表1和2。该厂应如何安排生产,使利润收入为最大? 表1 产品名称规格要求单价(元/kg) A 原材料C不少于50% 原材料P不超过25% 50 B 原材料C不少于25% 原材料P不超过50% 35 D 不限25 表2 原材料名称每天最多供应量(kg)单价(元/kg)

运筹学实验报告

运筹学实验报告 引言 运筹学作为一门交叉学科,既具有数学科学的严谨性,也体现 了实际应用的广泛性。在现代社会中,应用数学和信息技术的方 法来改善生产、管理、和服务等活动已成为企业管理和社会经济 发展的重要组成部分。因此,本实验将介绍运筹学的概念和应用,并且通过简单的案例展示其在实际应用中的优势和效果。 正文 一、运筹学的基本概念 1. 定义 运筹学是一门研究如何在有限资源下进行合理的决策,并优化 系统的效率,减少浪费,达到最优状态的学科。它是一种以数学 为基础,以计算机科学、管理科学等领域为帮助,以优化理论为 核心,研究人类活动中最佳决策问题的学科。

2. 分支学科 运筹学是由线性规划、网络流、整数规划、动态规划、排队论、决策分析和多目标规划等多个分支学科组成,是一门涵盖面广、 应用范围广泛的学科。 二、运筹学应用 1. 生产管理中的应用 对于生产管理而言,运筹学可以通过建立数学模型来确定最佳 的生产计划,从而优化生产效率。在生产过程中,合理地设计生 产工艺和流程,并运用运筹学中的排队论、作业调度等理论,实 现生产过程的最优化,从而提高生产效率。 2. 物流管理中的应用 在现代物流管理领域中,常常需要解决物流配送路线的规划、 货物装载问题、运输最优化等问题。这些问题都可以通过构建数 学模型、应用运筹学方法来解决。

3. 金融管理中的应用 金融管理中的投资组合优化问题需要考虑多个变量,如资产收益、风险、流动性等因素,而保证投资收益最大化,风险最小化则需要通过运筹学的方法来优化。 三、案例分析 公司X生产的A产品在不同季节之间的销售额不一,如下表所示,假设该公司在下个季节要生产200件A产品,且下个季节的A产品可以存储到第三季度中销售,A产品的制造成本为150元,存储成本为20元,存储期间内有15%的产品报废率,销售价格如表所示,该公司希望在销售利润最大化的前提下,得出一个最优的生产计划。 季节|一季度|二季度|三季度 -|-|-|- 销售价格(元)|300|200|400 销售量(件)|100|50|200

运筹学实验报告-线性规划

商学院 课程实验报告 课程名称 运筹学 专业班级 金融工程班 姓 名 指导教师 成 绩 2018年 9 月 20日 学号:

表2 所需营业员统计表 星期一二三四五六日需要人数300 300350400480600 550 3.建立线性规划模型 设x j(j=1,2,…,7)为休息2天后星期一到星期日开始上班的营业员数量,则这个问题的线性规划问题模型为 minZ=x1+x2+x3+x4+x5+x6+x7 {x1+x4+x5+x6+x7≥300 x1+x2+x5+x6+x7≥300 x1+x2+x3+x6+x7≥350 x1+x2+x3+x4+x7≥400 x1+x2+x3+x4+x5≥480 x2+x3+x4+x5+x6≥600 x3+x4+x5+x6+x7≥550 x≥0,j=1,2,…,7 (二)操作步骤 1.将WinQSB安装文件复制到本地硬盘,在WinQSB文件夹中双击setup.exe。 图1 WinQSB文件夹 2.指定安装软件的目标目录,安装过程中输入用户名和单位名称(任意输入),安装完毕之后,WinQSB菜单自动生成在系统程序中,熟悉软件子菜单内容和功能,掌握操作命令。

图2 目标目录 3.启动线性规划和整数规划程序。点击开始→程序→WinQSB→Linear and Lnteger Programming,屏幕显示如图3所示的线性规划和整数规划界面。 图3 线性规划 4.建立新问题或打开磁盘中已有文件。按图3所示操作建立或打开一个LP问题,或点击File→New Problem建立新问题。点击File→Load Problem打开磁盘中的数据文件,点击File→New Problem,出现图4所示的问题选项输入界面。 图4 建立新问题

运筹学lingo实验报告(一)

运筹学lingo实验报告(一) 运筹学lingo实验报告 介绍 •运筹学是一门研究在给定资源约束下优化决策的学科,广泛应用于管理、工程、金融等领域。 •LINGO是一种常用的运筹学建模和求解软件,具有丰富的功能和高效的求解算法。 实验目的 •了解运筹学的基本原理和应用。 •掌握LINGO软件的使用方法。 •运用LINGO进行优化建模和求解实际问题。 实验内容 1.使用LINGO进行线性规划的建模和求解。 2.使用LINGO进行整数规划的建模和求解。 3.使用LINGO进行非线性规划的建模和求解。 4.使用LINGO进行多目标规划的建模和求解。

实验步骤 1. 线性规划 •确定决策变量、目标函数和约束条件。 •使用LINGO进行建模,设定目标函数和约束条件。 •运行LINGO求解线性规划问题。 2. 整数规划 •在线性规划的基础上,将决策变量的取值限制为整数。 •使用LINGO进行整数规划的建模和求解。 3. 非线性规划 •确定决策变量、目标函数和约束条件。 •使用LINGO进行非线性规划的建模和求解。 4. 多目标规划 •确定多个目标函数和相应的权重。 •使用LINGO进行多目标规划的建模和求解。 实验结果 •列举各个实验的结果,包括最优解、最优目标函数值等。 结论 •运筹学lingo实验是一种有效的学习运筹学和应用LINGO的方法。

•通过本实验能够提高对运筹学概念和方法的理解,并掌握运用LINGO进行优化建模和求解的技能。 讨论与建议 •实验过程中是否遇到困难或问题,可以进行讨论和解决。 •提出对于实验内容或方法的建议和改进方案。 参考资料 •提供参考书目、文献、教材、网站等资料,以便学生深入学习和研究。 致谢 •对与实验指导、帮助或支持的人员表示感谢,如老师、助教或同学等。 以上为运筹学lingo实验报告的基本框架,根据实际情况进行适当调整和补充。实验报告应简洁明了,清晰表达实验目的、内容、步骤、结果和结论,同时可以加入必要的讨论和建议,以及参考资料和致谢等信息。

运筹学实验报告

实验一:线性规划问题 1、实验目的: ①学习建立数学模型的方法,并懂得区别运筹学中不同分支的数学模型的特点。 ②掌握利用计算机软件求解线性规划最优解的方法。 2、实验任务 ①结合已学过的理论知识,建立正确的数学模型; ②应用运筹学软件求解数学模型的最优解 ③解读计算机运行结果,结合所学知识给出文字定性结论 3、实验仪器设备:计算机 4、实验步骤: (1)在主菜单中选择线性规划模型,在屏幕上就会出现线性规划页面,如图所示。(2)在点击“新建”按钮以后,按软件的要求输入目标函数个数和约束条件个数,输入目标函数及约束条件的各变量的系数和b值,并选择好“≥”、“≤”或“=” 号,如图所示。 (3)当约束条件输入完毕后,请点击“解决”按钮,屏幕上将显现线性规划问题的结果,如图所示。 例题一:

例题二: 例题三:

例题四:

例题五

5、试验体会或心得 运筹学是一门实用的学科,学习运筹学,结合生活实际运用运筹学,我们可以将资源最大化利用。学习理论的目的就是为了解决实际问题。线性规划的理论对我们的实际生活指导意义很大。当我们遇到一个问题,需要认真考察该问题。如果它适合线性规划的条件,那么我们就利用线性规划的理论解决该问题。 线性规划指的是在资源有限的条件下,为达到预期目标最优,而寻找资源消耗最少的方案。其数学模型有目标函数和约束条件组成。一个问题要满足一下条件时才能归结为线性规划的模型:⑴要求解的问题的目标能用效益指标度量大小,并能用线性函数描述目标的要求;⑵为达到这个目标存在很多种方案;⑶要到达的目标是在一定约束条件下实现的,这些条件可以用线性等式或者不等式描述。所以,通过这次实验,不仅对运筹学的有关知识有了进一步的掌握,同时对在自己的计算机操作水准也有了很大的提高。这次实验让我懂得了运筹学在电脑的应用,让我对运输与数学相结合的应用理解更深了。

运筹学实验报告四整数规划

2018-2019学年第一学期 《运筹学》 实验报告(四) 班级:交通运输171 学号: 1000000000 姓名: ***** 日期: 2018.11.22

实验一: 用Lingo 软件求解下列整数规划问题(要求附程序和结果) 12 121212max 2506221 0,1,2i z x x x x x x x x x i =++≤?? -+≤?? +≤??≥=?且取整数 12312323123123 123max 232 45 2244 ,,01 z x x x x x x x x x x x x x x x x x =+-++≤??+≤?? +-≤??+-≤?=??或 解:例题(左)解题程序及运行结果如下: sets : bliang/1,2/:x,a; yshu/1,2,3/:b; xshu(yshu,bliang):c; endsets data : a=2,1; b=5,0,21; c=1,1 -1,1 6,2; enddata max =@sum (bliang(i):a(i)*x(i)); @for (yshu(j):@sum (bliang(i):x(i)*c(j,i))<=b(j)); @for(bliang(i):@gin(x(i))); Global optimal solution found. Objective value: 7.000000 Objective bound: 7.000000 Infeasibilities: 0.000000 Extended solver steps: 0 Total solver iterations: 0 Variable Value Reduced Cost X( 1) 3.000000 -2.000000 X( 2) 1.000000 -1.000000 A( 1) 2.000000 0.000000

运筹学实验报告(一)线性规划问题的计算机求解-(1)

运筹学实验报告(一)线性规划问题的计算机 求解-(1) -CAL-FENGHAI.-(YICAI)-Company One1

运筹学实验报告实验课程:运筹学实验日期: 任课教师:王挺

第五种方案0 3 0 0 第六种方案0 1 1 3 第七种方案0 0 2 1 设:第i种方案需要的钢管为Xi根(其中i=1,2...6),可得: minz=X1+X2+X3+X4+X5+X6+X7 解:model: min= X1+X2+X3+X4+X5+X6+X7; 3*X1+2*X2+2*X3+X4>=100; X2+2*X4+3*X5+X6>=150; X3+X6+2*X7>=120; end Objective value: 135.0000 Infeasibilities: 0.000000 Total solver iterations: 2 Variable Value Reduced Cost X1 0.000000 0.2500000 X2 0.000000 0.1666667 X3 50.00000 0.000000 X4 0.000000 0.8333333E-01 X5 50.00000 0.000000 X6 0.000000 0.1666667 X7 35.00000 0.000000 4人力资源分配问题 某昼夜服务的公交线路每天各时间段内所需司机和乘务人员人数如表1所示。 班次时间所需人数班次时间所需人数 1 6:00~10:00 60 4 18:00~22:00 50 2 10:00~14:00 70 5 22:00~2:00 20 3 14:00~18:00 60 6 2:00~6:00 30 设司机和乘务人员分别在各时间段开始时上班,并连续工作8小时,问该公交线路应怎样安排司机和乘务人员,既能满足工作需要,又使配备司机和乘务人员的人数最少?

运筹学实验线性规划实验报告

荆楚理工学院 运筹学实训实验室实验报告 课程名称:运筹学实训 专业:数学与应用数学 实验题目 利用excel 实现单纯形表计算 学生姓名 李武阳 赵星浩 王 铖 学 号 2016409010113 2016409010114 2018ZSB091107 班级 16级数学与应用数学1班 指导教师 张玲 实验日期 2018.10.10 成绩 一、实验目的与要求: 1、理解单纯形算法的原理和基本过程 2、能利用EXCEL 实现单纯形表计算 二、实验任务: 利用excel 实现下列线性规划问题的单纯形算法的过程 1、在excel 中输入单纯形表; 2、在表格中计算检验数; 3、在表格中实现换基运算; 4、在表格中实现初等行变换。 用单纯形法解决下面线性规划问题(用大M 法); ⎪⎪⎩⎪⎪⎨⎧≥≥≥+≥+++-=0,,0 -222-622max 32132313213 21x x x x x x x x x x x x x Z 三、实验步骤和结果,(给出主要过程的文字说明,包含代码、图、表) 1、在excel 表格中输入题目数据;

2、计算检验数,找出最大的检验数并进基X2退基X9; 3、重复换基,当人工变量全部退基时候,X4的检验数为1.25理应进基,但X4所在列的系数均小于等于0,即线性规划问题有无界解。(具体计算过程如下所示) 由上面的结果可以得到: 此线性方程组的可行域是无界的,所以该线性方程组无有限解。 四、实验总结(对实验过程进行分析,总结实验过程中出现的问题、体会和收获) 本次实验在excel表格中完成,所以容易因为看错数字而出错,单纯形表的运算性质决定在一步错之后往往需要重新算,所以比较费时费力,我们在计算时要注意每个量及每一步的进基和出基的选择。但是我们可以利用这个方法可以解决实际问题中比较复杂的一些线性规划问题,特别是一些手工计算难以求解的问题。 五附录 Excel

运筹学实验报告猪饲料研究思路

运筹学实验报告猪饲料研究思路 一、研究背景 随着人口的增长和经济的发展,猪肉需求量不断增加,而猪饲料作为猪肉生产的重要组成部分,其质量和效益对于整个养殖业的发展至关重要。因此,如何优化猪饲料配方,提高饲料利用率和生产效益成为了当前研究的热点之一。 二、实验目的 本实验旨在通过运筹学方法,探究不同原料配比下的最优饲料配方,并评估其经济效益。 三、实验设计 1. 实验材料:玉米、大豆粕、鱼粉、棕榈油等。 2. 实验方法:采用线性规划模型进行计算。 3. 实验步骤: (1)确定目标函数及约束条件; (2)建立线性规划模型; (3)求解模型并得出最优解; (4)根据最优解确定最佳饲料配方,并进行经济效益评估。 四、实验结果

1. 数据采集:收集不同原料价格及营养成分数据。 2. 模型构建:以玉米、大豆粕、鱼粉和棕榈油为主要原料,建立线性规划模型。 3. 模型求解:通过运用Matlab软件,得出最优解为:玉米50%,大豆粕20%,鱼粉15%,棕榈油15%。 4. 经济效益评估:将最优饲料配方与当前饲料配方进行比较,结果表明最优配方可以降低饲料成本约10%,提高猪肉产量约5%。 五、实验结论 通过运用运筹学方法,本实验得出了一种最优的猪饲料配方,并证明其经济效益显著。因此,在实际生产中可以采用该配方进行生产,以提高养殖业的效益和竞争力。 六、实验不足和展望 1. 实验数据来源有限,需要进一步扩大数据来源范围; 2. 实验中只考虑了单一目标函数,未考虑多目标问题; 3. 未考虑不同品种和生长阶段猪对营养成分的需求差异; 4. 未考虑原料价格波动对经济效益的影响。 未来可以进一步完善模型,加入更多因素进行综合考虑。

管理运筹学上机实验报告

管理运筹学实验报告 班级: 姓名: 学号: 中国矿业大学管理学院

上机内容 1、某公司面临5项任务,计划派甲、乙、丙、丁、戊分别去做。由于戊临时被公司派往国外,因此公司只有让甲、乙、丙、丁中的一个人同时担任两项任务,其他三人仍旧单独完成一项任务。各人完成相应任务时间如下表。请为公司制定一个总工时最小的指派方案。 实验分析报告: 这是一个分派问题,给四人甲、乙、丙、丁中安排五项任务A、B、C、D、E,其中有一人做两项任务,其余每人做一项。这样,为了完成任务,我们先假设有一个人(假设为戊),,其中,假设戊单独完成每项任务的时间都是其余四人中最小的,这样,上述图表为: 然后,在Excel中将数据填入,其中变量为二进制变量;然后任选一个单元格作为目标函数,且目标函数为SUMPRODUCT(X,Y)。由于现在是五个人(其中一

人为假象的人),这样每人做一项任务,每项任务只有一人做,换句话说,任务与人是一一对应关系。这样,变量单元格的每行相加为1,表示为每个人做一项任务,;每列相加为1,表示每项任务只有一个人做。具体安排如下: 即甲做B任务需时29,乙做任务D和C分别需时20、26,丙做任务C需时32,丁做任务A需时24,共需时131。 2.某医院院周会上正在研究制定一昼夜护士值班安排计划。在会议上,护理部主任提交了一份全院24小时各时段内需要在岗护士的数量报告,见下表。 如果按照每人每天两小班轮换,中间间隔休息时间8小时,这样安排岗位不但会造成人员冗余,同时护理人员上下班不是很方便。

由于医院护理工作的特殊性,又要求尽量保证护理人员工作的连续性,最终确定每名护士连续工作两个小班次,即24小时内一个大班8小时,即连续上满两个小班。为了合理的压缩编制,医务部提出一个合理化建议:允许不同护士的大班之间可以合理相互重叠小班,即分成六组轮班开展全天的护理值班(每一个小班时段实际上由两个交替的大班的前段和后段共同承担)。 现在人力部门面临的问题是:如何合理安排岗位,才能满足值班的需要?正在会议结束之前,护理部又提出一个问题:目前全院在编的正式护士只有50人,工资定额为10元/小时;如果人力部门提供的定编超过50人,那么必须以15元/小时的薪酬外聘合同护士。一但出现这种情况又如何安排上述班次?保卫处后来又补充到,最好在深夜2点的时候避免交班,这样又如何安排班次?请结合会议情况,撰写一份方案分析报告。 根据各部门提出的意见,预备提出四种备选方案,各方案分析如下: 1、没考虑定编上限和保卫处的建议 令2:00-6:00-10:00,6:00-10:00-14:00,10:00-14:00-18:00,14:00-18:00-22:00,18:00-22:00-2:00,22:00-2:00-6:00时段的大班开始上班的人数分别为X1, X2, X3, X4, X5, X6. 由此可得的2:00-6:00,6:00-10:00,10:00-14:00,14:00-18:00,18:00-22:00,22:00-2:00各小班人数为X1+X6, X1+X2 , X2+X3, X3+X4, X4+X5, X5+X6. 可得线性规划问题如下:目标函数为要求所需开始上班的人数最小,约束条件为由各大班开始上班人数所得的各小班人数必须大于规定的小班需要护士量. MinZ=X1+X2+X3+X4+X5+X6

2023年运筹学指派问题的匈牙利法实验报告

2023年运筹学指派问题的匈牙利法实验报告 一、前言 运筹学是一门涉及多学科交叉的学科,其主要研究通过数学模型和计算机技术来提高生产和管理效率的方法和技术。其中,指派问题是运筹学中的重要研究方向之一。针对指派问题,传统的解决方法是匈牙利法。本文将基于匈牙利法,通过实验的方法来探讨2023年指派问题的发展。 二、指派问题 1.定义 指派问题是指在一个矩阵中指定每一行和每一列只选一个数,使得多个行和列没有相同的数,而且总和最小。 2.传统算法 匈牙利算法是一种经典的用于解决指派问题的算法。该算法基于图论的思想,用于寻找最大匹配问题中的最大流。匈牙利算法

的时间复杂度为 $O(n^3)$,但是,该算法仍然被广泛应用于实际问题求解。 三、实验设计 1.实验目的 本实验旨在探究匈牙利算法在指派问题中的应用以及其发展趋势,同时,通过对比算法运行速度来评估其效率和实用性。 2.实验原材料 本实验将采用Python语言来实现匈牙利算法,数据集选取为UCI Machine Learning Repository中的鸢尾花数据集。 3.实验步骤 步骤1:导入数据集,并进行数据预处理。

步骤2:计算每个样本在所有类别中的得分,并选取得分最高 的类别作为预测结果。 步骤3:使用匈牙利算法对预测结果进行优化,以求得更优的 分类方案。 步骤4:对比优化前后的分类结果,评估算法的实用性和效率。 四、实验结果 本实验的最终结果表明,匈牙利算法在指派问题中的应用具有 很好的效果。实验数据表明,经过匈牙利算法优化后,分类器的 准确率有了显著提高,分类结果更加精确。同时,通过对比算法 运行时间,也发现该算法具有较高的运行速度和效率。 五、实验结论 本实验通过大量数据实验表明,匈牙利算法在指派问题中的应 用具有很高的效率和精度。将算法运用到实际生产和管理中,可 有效地提高生产效率和管理水平。但是,由于算法的时间复杂度

运筹学实验报告

运筹学实验报告一 实验一:线性规划 【例l】某制药厂用甲、乙两台机器生产A、B两种药物。每种药物要经过两道工序,在甲机器上搅拌,在乙机器上包装。生产每千克药物所需的加工时间以及机器1周可用于加工的总时间如下表1所示。已知生产每千克药物A的利润是30元,B是25元,问应如何安排1周的生产计划才能使工厂获利最大? 表 1 两种药物在各机器上所需加工时间及各机器可用于加工的总时间 (1)写出数学模型,建立新问题、输入选项(电子表格、变量取非负连续)、输入数据、存盘、求解模型、结果存盘、观察结果。 (2)将电子表格格式转换成标准模型。 (3)将结果复制到Excel或Word文档中。 (4)分析结果。 解: (1)从已知条件写出该问题的数学模型: max Z=30x1+25x2; 2x1+4x2<=40; 3x1+2x2<=30; x1>=0,x2>=0. 建立新问题、输入选项(电子表格、变量取非负连续)、输入数据、存盘、求解模型、结果存盘、观察结果: 求解模型过程 Simplex Tableau -- Iteration 1 X1 X2 Slack_C1 Slack_C2

Basis C(j) 30.0000 25.0000 0 0 R. H. S. Ratio Slack_C1 0 2.0000 4.0000 1.0000 0 40.0000 20.0000 Slack_C2 0 3.0000 2.0000 0 1.0000 30.0000 10.0000 C(j)-Z(j) 30.0000 25.0000 0 0 0 Simplex Tableau -- Iteration 1 X1 X2 Slack_C1 Slack_C2 Basis C(j) 30.0000 25.0000 0 0 R. H. S. Ratio Slack_C1 0 2.0000 4.0000 1.0000 0 40.0000 20.0000 Slack_C2 0 3.0000 2.0000 0 1.0000 30.0000 10.0000 C(j)-Z(j) 30.0000 25.0000 0 0 0 Simplex Tableau -- Iteration 3 X1 X2 Slack_C1 Slack_C2 Basis C(j) 30.0000 25.0000 0 0 R. H. S. Ratio X2 25.0000 0 1.0000 0.3750 -0.2500 7.5000 X1 30.0000 1.0000 0 -0.2500 0.5000 5.0000 C(j)-Z(j) 0 0 -1.8750 -8.7500 337.5000 (2)将电子表格格式转换成标准模型。 maxZ=30X1+25X2 2X1+4X2<=40 3X1+2X2<=30 X1>=0, X2>=0 (3)将结果复制到Excel或Word文档中: Combined Report for 例1 11:04:07 Saturday April 16 2011 Decision Solution Unit Cost or Total Reduced Basis Allowable Allowable Variable Value Profit c(j) C ontribution Cost Status Min. c(j) Max. c(j) 1 X1 5.0000 30.0000 150.0000 0 basic 12.5000 37.5000 2 X2 7.5000 25.0000 187.5000 0 basic 20.0000 60.0000 Objective Function (Max.) = 337.5000 Left Hand Right Hand Slack Shadow Allowable Allowable Constraint Side Direction Side or Surplus Price Min. RHS Max. RHS 1 C1 40.0000 <= 40.0000 0 1.8750 20.0000 60.0000 2 C2 30.0000 <= 30.0000 0 8.7500 20.0000 60.0000

运筹学实验报告

运筹学实验报告 本实验以贝叶斯决策理论为基础,设计并实施了模拟环境中的运筹学模拟实验,旨在 培养运筹学有关概念,理论知识和策略的实际应用能力。 模拟的环境由六个决策项目组成,包括产品研发、外包协作者、宣传媒介、营销策略、市场投资和位置选择,其中营销策略对其他项目影响最大。参与实验的学生分布在多个小 组中,每个小组被要求分配一定的资源来进行策略决策。每个参与者在决策前首先要收集 大量信息,σ分析当前主要问题、弄清收益损失情况、评估决策效果,以及比较各种替代方案的成本、风险和收益,发挥洞察力和创造力,结合实际条件选择最有利的决策策略。 在实验实施中,我们采用了虚拟银行的贝叶斯决策模型,以决策策略为轴心,把预期 收获、收容器管理、应急控制、情景建模等混合作为一体,结合贝叶斯决策技术,对所有 参与者开展有关决策管理的实践演练和评估指导,以增强学生对运筹学管理模式的熟悉 程度和把握能力,并取得理想的模拟结果。 在实验实施中,让参与的学生认识到制定决策的重要性,深入了解决策的各个细节, 从而掌握运筹学的技术。同时,实践演练也使学生从实际情景中了解收容器管理、批量生 产等重要理论方面,并促进他们进一步洞悉目标决策的实现方法,帮助他们加强对运筹学 管理理论的认识和理解,以及实战能力。 结果表明,运筹学模拟实验有效地让参与学生了解运筹学方法和技术,特别是贝叶斯 决策理论,从而加强他们应用此种技术的实践能力。实验的另一个好处是学生们要在实际 模拟情况中发挥协作能力和提出问题,并综合考虑许多要素,以制定最佳的策略,这有助 于培养学生的创新能力和团队合作精神。 综上所述,本次运筹学模拟实验取得了良好的效果,切实培养了学生对运筹管理理论 知识和实战能力的掌握,以及运用贝叶斯决策理论和团队合作精神的良好培养。

运筹学上机实践报告

运筹学 实验报告 姓名: 学号: 班级:采矿1103 教师:

(一)实验目的 (1)学会安装并使用Lingo软件 (2)利用Lingo求解一般线性,运输,一般整数和分派问题 (二)实验设备 (1)计算机 (2)Lingo软件 (三)实验步骤 (1)打开已经安装Lingo软件的计算机,进入Lingo (2)建立数学模型和Lingo语言 (3)输入完Lingo语言后运行得出求解结果LINGO是用来求解线性和非线性规化问题的简易工具。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。当在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LINGO Model–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。下面是以一般线性,运输,一般整数和分派问题为例进行实验的具体操作步骤: A:一般线性规划问题 数学模型(课本31页例11) 求解线性规划: Minz=-3x1+x2+x3 x1 - 2x2 + x3<=11 -4x1 + x2 + 2x3>=3 -2x1 + x3=1 x1,x2,x3>=0

打开lingo 输入min=-3*x1+x2+x3; x1-2*x2+x3<=11; -4*x1+x2+2*x3>=3; -2*x1+x3=1; End 如图所示: 然后按工具条的按钮运行出现如下的界面,也即是运行的结果和所求的解:

然后按工具条的按钮运行出现如下的界面,也即是运行的结果和所求的解:

用lingo求解LP,ILP问题实验报告(一)

桂林理工大学理学院 运筹学上机报告 实验一 实验名称用lingo求解LP,ILP问题实验时间2012年月日姓名班级会计09-1班学号成绩 一、实验目的二、实验内容与步骤三、实验程序 四、实验结果五、实验结果的分析六、实验出现的问题 一、实验目的 学会用lingo求解LP,ILP问题 二、实验内容与步骤 进一步熟悉基解的概念;掌握变量定界函数;能够利用lingo求解LP,ILP问题。 三、实验程序 (LP1)model: title会计09-1班; max = -3*x1 - x2 + 5*x3 + 2*x4; x1+5*x2+2*x3-x4<2; 2*x1-x2+4*x3+3*x4<5; 6*x1+2*x2+x3+3*x4<3; End (LP2)model: title会计09-1班3090825; min = x1 - 3*x2 - 2*x3; 3*x1-x2+2*x3<7; -2*x1+4*x2<12; 4*x1+3*x2+8*x3<10; end (LP3)model: title会计09-1班3090825; min = 2*x1 + 3*x2 + x3; x1+4*x2+2*x3>8; 3*x1+2*x3>6; x1+8*x2+x3>18; end (LP4)model: title会计09-1班309082511; max = 3*x1 + 4*x2; 3*x1+4*x2<8; x2<6; @free(x1); end

四、实验结果 (LP1)Global optimal solution found. Objective value: 5.900000 Infeasibilities: 0.000000 Total solver iterations: 3 Model Title: 会计09-1班3090825 Variable Value Reduced Cost X1 0.000000 5.500000 X2 0.000000 3.600000 X3 1.100000 0.000000 X4 0.2000000 0.000000 Row Slack or Surplus Dual Price 1 5.900000 1.000000 2 0.000000 0.7000000 3 0.000000 0.9000000 4 1.300000 0.000000 (LP2) Global optimal solution found. Objective value: -9.250000 Infeasibilities: 0.000000 Total solver iterations: 2 Model Title: 会计09-1班3090825 Variable Value Reduced Cost X1 0.000000 0.8750000 X2 3.000000 0.000000 X3 0.1250000 0.000000 Row Slack or Surplus Dual Price 1 -9.250000 -1.000000 2 9.750000 0.000000 3 0.000000 0.5625000 4 0.000000 0.2500000 (LP3) Global optimal solution found. Objective value: 8.625000 Infeasibilities: 0.000000 Total solver iterations: 2 Model Title: 会计09-1班3090825 Variable Value Reduced Cost X1 0.000000 0.6875000 X2 1.875000 0.000000 X3 3.000000 0.000000 Row Slack or Surplus Dual Price 1 8.625000 -1.000000 2 5.500000 0.000000 3 0.000000 -0.3125000 4 0.000000 -0.3750000 (LP4) Global optimal solution found. Objective value: 8.000000 Infeasibilities: 0.000000 Total solver iterations: 0 Model Title: 会计09-1班3090825 Variable Value Reduced Cost X1 2.666667 0.000000 X2 0.000000 0.000000 Row Slack or Surplus Dual Price 1 8.000000 1.000000 2 0.000000 1.000000 3 6.000000 0.000000 (ILP5) Global optimal solution found. Objective value: -3.000000 Objective bound: -3.000000 Infeasibilities: 0.000000 Extended solver steps: 0 Total solver iterations: 0 Model Title: 会计09-1班30908251 Variable Value Reduced Cost X1 2.000000 -1.000000 X2 1.000000 -1.000000 Row Slack or Surplus Dual Price 1 -3.000000 -1.000000 2 5.000000 0.000000 3 1.000000 0.000000 4 1.000000 0.000000 (ILP6) Global optimal solution found. Objective value: 2.000000 Objective bound: 2.000000 Infeasibilities: 0.000000 Extended solver steps: 0 Total solver iterations: 0 Model Title: 会计09-1班3090825 Variable Value Reduced Cost X1 0.000000 4.000000 X2 0.000000 3.000000 X3 1.000000 2.000000 Row Slack or Surplus Dual Price 1 2.000000 -1.000000 2 1.000000 0.000000 3 0.000000 0.000000 4 0.000000 0.000000

管理运筹学上机实验报告单

上机实验报告单 2012-2013学年第1学期 实验名称:线性规划上机日期:2013-10-23

附页1 上机1实验结果 1. **********************最优解如下************************* 目标函数最优值为: 27500 变量最优解相差值 ------- -------- -------- x1 50 0 x2 250 0 约束松弛/剩余变量对偶价格 ------- ------------- -------- 1 0 50 2 50 0 3 0 50 目标函数系数范围: 变量下限当前值上限 ------- -------- -------- --------

x2 50 100 无上限 常数项数范围: 约束下限当前值上限 ------- -------- -------- -------- 1 250 300 325 2 350 400 无上限 3 200 250 300 2. **********************最优解如下************************* 目标函数最优值为: 800 变量最优解相差值 ------- -------- -------- x1 250 0 x2 100 0 约束松弛/剩余变量对偶价格 ------- ------------- -------- 1 0 -4 2 0 1 目标函数系数范围: 变量下限当前值上限 ------- -------- -------- -------- x1 无下限 2 3

常数项数范围: 约束下限当前值上限 ------- -------- -------- -------- 1 300 350 600 2 350 600 700 3. **********************最优解如下************************* 目标函数最优值为: 9.999 变量最优解相差值 ------- -------- -------- x1 0 6.667 x2 0 3.333 x3 3.333 0 x4 0 1.333 约束松弛/剩余变量对偶价格 ------- ------------- -------- 1 0 -.003 2 11.667 0 3 200 0 目标函数系数范围: 变量下限当前值上限 ------- -------- -------- --------

相关文档
最新文档