运筹学实验报告范例

合集下载

运筹学综合实验报告

运筹学综合实验报告

运筹学综合实验报告本次实验中,我们使用了运筹学的方法来解决了一个经典的优化问题,即整数线性规划问题(Integer Linear Programming,简称ILP)。

一、实验目的本次实验的主要目的是熟悉ILP的求解过程,了解ILP在实际问题中的应用,以及掌握使用现代优化软件Gurobi来求解ILP的方法。

二、实验原理1. 整数线性规划问题整数线性规划问题是在所有线性规划问题中的一个非常重要的子集。

它将优化目标函数的线性组合与整数限制相结合。

一个典型的ILP问题可以被描述为:最大化(或最小化)目标函数:\max(\min) \sum_{j=1}^{n}c_j x_j满足如下的约束条件:\sum_{j=1}^{n}a_{ij} x_j \leq b_i,\ i=1,2,\cdots,mx_j \geq 0,\ j=1,2,\cdots,nx_j \in Z,\ j=1,2,\cdots,nx_j表示自变量,c_j表示目标函数中的系数,a_{ij}表示第i个约束条件中x的系数,b_i表示约束条件的右侧常数,m表示约束条件的数量,n表示变量的数量。

最后两个约束条件要求自变量只能是整数。

2. Gurobi优化软件Gurobi是一个商业优化软件,经过多年的发展,已成为当前最流行的数学优化软件之一。

Gurobi支持多种数学优化方法,包括线性规划、非线性规划、混合整数规划、二次规划等。

Gurobi使用了现代算法来实现高效的求解效果,是工业和学术界备受推崇的优化软件。

三、实验内容1. 利用Gurobi求解整数线性规划问题我们使用Gurobi来求解如下的整数线性规划问题:\max\ \ 2x_1 + 3x_2 + 7x_3满足如下的约束条件:x_1 + x_2 + x_3 \leq 6x_1 - x_2 + x_3 \leq 4x_1, x_2, x_3 \in Z,\ x_1 \geq 0,\ x_2 \geq 0,\ x_3 \geq 0我们使用Python代码来实现该问题的求解过程:```pythonimport gurobipy as gbmodel = gb.Model("integer linear programming")# Create variablesx1 = model.addVar(vtype=gb.GRB.INTEGER, name="x1")x2 = model.addVar(vtype=gb.GRB.INTEGER, name="x2")x3 = model.addVar(vtype=gb.GRB.INTEGER, name="x3")# Set objectivemodel.setObjective(2*x1 + 3*x2 + 7*x3, gb.GRB.MAXIMIZE)# Add constraintsmodel.addConstr(x1 + x2 + x3 <= 6)model.addConstr(x1 - x2 + x3 <= 4)# Optimize modelmodel.optimize()# Print resultsprint(f"Maximum value: {model.objVal}")print(f"x1 = {x1.x}")print(f"x2 = {x2.x}")print(f"x3 = {x3.x}")```运行该代码,得到的输出结果为:```Optimize a model with 2 rows, 3 columns and 6 nonzerosVariable types: 0 continuous, 3 integer (0 binary)Coefficient statistics:Matrix range [1e+00, 1e+00]Objective range [2e+00, 7e+00]Bounds range [0e+00, 0e+00]RHS range [4e+00, 6e+00]Found heuristic solution: objective 9.0000000Presolve time: 0.00sPresolved: 2 rows, 3 columns, 6 nonzerosVariable types: 0 continuous, 3 integer (0 binary)Root relaxation: objective 1.500000e+01, 2 iterations, 0.00 secondsNodes | Current Node | Objective Bounds | WorkExpl Unexpl | Obj Depth IntInf | Incumbent BestBd Gap | It/Node Time0 0 15.00000 0 1 9.00000 15.00000 66.7% - 0sH 0 0 14.0000000 15.00000 7.14% - 0s0 0 15.00000 0 1 14.00000 15.00000 7.14% - 0sExplored 1 nodes (2 simplex iterations) in 0.03 secondsThread count was 4 (of 4 available processors)Solution count 2: 14 9Optimal solution found (tolerance 1.00e-04)Best objective 1.400000000000e+01, best bound 1.400000000000e+01, gap 0.0000%Maximum value: 14.0x1 = 2.0x2 = 4.0x3 = 0.0```经过Gurobi的求解,我们得到了最大值为14,同时x_1=2, x_2=4, x_3=0时取到最优值。

运筹学实验报告----向市场运送木材问题

运筹学实验报告----向市场运送木材问题

运筹学实验报告----向市场运送木材问题一、实验目的:在用MATLAB 程序设计语言完成单纯形算法求解线性规划问题的基础上,设计程序并建立数学模型,解决现实生活中实际问题。

二、问题陈述:阿拉巴马大西洋公司(Alabama Atlantic )是一个拥有三个木材资源区和五个需要供应的市场的木材公司。

木材资源区1、2、3每年所能够生产的木材量分别为15、20、1500万板英尺(board feet )。

每年市场1、2、3、4、5能够销售的木材量分别为11、12、9、10、800万板英尺。

过去,这个公司通过火车来运输木材。

然而,由于使用火车的运输成本已经上升了,所以可以考虑使用水运的方式来运输其中的一部分木材。

但是这种方式却需要公司要在水运方面进行投资。

使用火车运输的单位成本(单位:1千美元) 使用轮船运输的单位成本(单位:1千美元)出发地 对于向市场运输木材的轮船的单位资金投入(单位:1千美元)1 2 3 4 5 1 275 303 238 ----- 285 2 293 318 270 250 265 3-----283275268240考虑到轮船的预计使用期限(大约30年)和货币的时间价值,年金成本大约是当年投入资金的十分之一。

公司的目标是要制订出一个全面运输计划,使总年金成本最小(包括运输成本)。

1 2 3 4 5 1 31 28 24 ---- 35 2 31 43 28 24 31 3----333632261 2 3 4 5 1 61 72 45 55 66 2 69 78 60 49 56 35966636147现在,如果你是公司管理科学小组的负责人。

那么所需要做的工作是根据下面所给出的三种选择分别制订出这种能够使得年金成本最小的运输计划。

选择l :继续使用火车来运输木材,并仅使用这一种方式。

选择2 :仅使用轮船运输木材(只能使用火车的地方除外)。

选择3 :根据在每一条特定的路线上哪种方式的运输成本比较低来选择使用火车还是轮船来运输木材。

运筹学实践教学报告范文(3篇)

运筹学实践教学报告范文(3篇)

第1篇一、引言运筹学作为一门应用数学分支,广泛应用于经济管理、工程技术、军事决策等领域。

本报告旨在通过运筹学实践教学,验证理论知识在实际问题中的应用效果,提高学生的实践能力和创新能力。

以下是对本次实践教学的总结和反思。

二、实践教学内容1. 线性规划问题本次实践教学选择了线性规划问题作为研究对象。

通过建立线性规划模型,我们尝试解决生产计划、资源分配等实际问题。

- 案例一:生产计划问题某公司生产A、B两种产品,每单位A产品需消耗2小时机器时间和3小时人工时间,每单位B产品需消耗1小时机器时间和2小时人工时间。

公司每天可利用机器时间为8小时,人工时间为10小时。

假设A、B产品的利润分别为50元和30元,请问如何安排生产计划以获得最大利润?- 建模:设A产品生产量为x,B产品生产量为y,目标函数为最大化利润Z = 50x + 30y,约束条件为:\[\begin{cases}2x + y \leq 8 \\3x + 2y \leq 10 \\x, y \geq 0\end{cases}\]- 求解:利用单纯形法求解该线性规划问题,得到最优解为x = 3,y = 2,最大利润为240元。

- 案例二:资源分配问题某项目需要分配三种资源:人力、物力和财力。

人力为50人,物力为100台设备,财力为500万元。

根据项目需求,每种资源的需求量如下:- 人力:研发阶段需20人,生产阶段需30人;- 物力:研发阶段需30台设备,生产阶段需50台设备;- 财力:研发阶段需100万元,生产阶段需200万元。

请问如何合理分配资源以满足项目需求?- 建模:设人力分配量为x,物力分配量为y,财力分配量为z,目标函数为最大化总效用U = x + y + z,约束条件为:\[\begin{cases}x \leq 20 \\y \leq 30 \\z \leq 100 \\x + y + z \leq 500\end{cases}\]- 求解:利用线性规划软件求解该问题,得到最优解为x = 20,y = 30,z = 100,总效用为150。

运筹学实验报告

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 1X1 X2 Slack_C1 Slack_C2Basis C(j) 30.0000 25.0000 0 0 R. H. S. RatioSlack_C1 0 2.0000 4.0000 1.0000 0 40.0000 20.0000Slack_C2 0 3.0000 2.0000 0 1.0000 30.0000 10.0000C(j)-Z(j) 30.0000 25.0000 0 0 0Simplex Tableau -- Iteration 1X1 X2 Slack_C1 Slack_C2Basis C(j) 30.0000 25.0000 0 0 R. H. S. RatioSlack_C1 0 2.0000 4.0000 1.0000 0 40.0000 20.0000Slack_C2 0 3.0000 2.0000 0 1.0000 30.0000 10.0000C(j)-Z(j) 30.0000 25.0000 0 0 0Simplex Tableau -- Iteration 3X1 X2 Slack_C1 Slack_C2Basis C(j) 30.0000 25.0000 0 0 R. H. S. RatioX2 25.0000 0 1.0000 0.3750 -0.2500 7.5000X1 30.0000 1.0000 0 -0.2500 0.5000 5.0000C(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。

大学生运筹学实训报告范文

大学生运筹学实训报告范文

一、引言运筹学是一门应用数学的分支,它运用数学模型、统计方法和计算机技术等工具,对复杂系统进行优化和决策。

为了更好地理解和掌握运筹学的理论和方法,提高实际操作能力,我们开展了大学生运筹学实训。

以下是本次实训的报告。

二、实训目的1. 理解运筹学的基本概念、原理和方法;2. 学会运用运筹学解决实际问题;3. 提高团队协作和沟通能力;4. 培养独立思考和创新能力。

三、实训内容1. 线性规划(1)实训目的:通过线性规划实训,掌握线性规划问题的建模、求解和结果分析。

(2)实训内容:以生产问题为例,建立线性规划模型,运用单纯形法求解最优解。

2. 整数规划(1)实训目的:通过整数规划实训,掌握整数规划问题的建模、求解和结果分析。

(2)实训内容:以背包问题为例,建立整数规划模型,运用分支定界法求解最优解。

3. 非线性规划(1)实训目的:通过非线性规划实训,掌握非线性规划问题的建模、求解和结果分析。

(2)实训内容:以旅行商问题为例,建立非线性规划模型,运用序列二次规划法求解最优解。

4. 网络流(1)实训目的:通过网络流实训,掌握网络流问题的建模、求解和结果分析。

(2)实训内容:以运输问题为例,建立网络流模型,运用最大流最小割定理求解最优解。

5. 概率论与数理统计(1)实训目的:通过概率论与数理统计实训,掌握概率论与数理统计的基本概念、原理和方法。

(2)实训内容:以排队论为例,建立概率模型,运用排队论公式求解系统性能指标。

四、实训过程1. 组建团队,明确分工;2. 针对每个实训内容,查阅相关资料,了解理论背景;3. 根据实际问题,建立数学模型;4. 选择合适的算法,进行编程实现;5. 对结果进行分析,总结经验教训。

五、实训成果1. 理解了运筹学的基本概念、原理和方法;2. 掌握了线性规划、整数规划、非线性规划、网络流和概率论与数理统计等运筹学工具;3. 提高了团队协作和沟通能力;4. 培养了独立思考和创新能力。

六、实训心得1. 运筹学是一门实用性很强的学科,它可以帮助我们解决实际问题,提高工作效率;2. 在实训过程中,我们要注重理论联系实际,将所学知识应用于实际问题的解决;3. 团队协作和沟通能力在实训过程中至关重要,要学会与团队成员共同进步;4. 实训过程中,我们要敢于尝试,勇于创新,不断提高自己的实践能力。

运筹学实验报告

运筹学实验报告

1、实验目的和任务训练建模能力.应用EXCEL建模及求解的方法应用;通过实验进一步掌握运筹学有关方法原理、求解过程,提高学生分析问题和解决问题能力。

2、实验仪器、设备及材料计算机、Excel3、实验内容、炼油厂的生产计划问题例一炼油厂的生产计划某炼油厂的工艺流程图如图 1-1所示。

炼油厂输入两种原油(原油 1和原油2)。

原油先进入蒸馏装置,每桶原油经蒸馏后的产品及份额见表1-1,其中轻、中、重石脑油的辛烷值分别为90、80和70。

石脑油部分直接用于发动机油混合,部分输入重整装置,得辛烷值为115的重整汽油。

1桶轻、中、重石脑油经重整后得到的重整汽油分别为、、桶。

蒸馏得到的轻油和重油,一部分直接用于煤油和燃料油的混合,一部分经裂解装置得到裂解汽油和裂解油。

裂解汽油的辛烷值为105。

1桶轻油经裂解后得桶裂解油和桶裂桶汽油;1桶重油裂解后得桶裂解油和桶裂解汽油。

其中裂解汽油用于发动机油混合,裂解油用于煤油和燃料油的混合。

渣油可直接用于煤油和燃料油的混合,或用于生产润滑油。

1桶渣油经处理后可得桶润滑油。

混合成的高档发动机油的辛烷值应不低于 94,普通的发动机油辛烷值不低于84。

混合物的辛烷值按混合前各油料辛烷值和所占比例线性加权计算。

规定煤油的气压不准超过 1kg/cm2,而轻油、重油、裂解油和渣油的气压分别为、、和0.05kg/cm 2。

而气压的计算按各混合成分的气压和比例线性加权计算。

燃料油中,轻油、重油、裂解油和渣油的比例应为 10:3:4:1。

已知每天可供原油1为20000桶,原油2为30000桶。

蒸馏装置能力每天最大为45000桶,重整装置每天最多重整10000桶石脑油,裂化装置能力每天最大为8000桶。

润滑油每天产量就在500~1000桶之间,高档发动机油产量应不低于普通发动机油的40%。

又知最终产品的利润(元 /桶)分别为:高档发动机油700,普通发动机油600,煤油400,燃料油350,润滑油150,试为该炼油厂制定一个使总盈利为最大的计划。

运筹学实验报告

运筹学实验报告

运筹学实验报告实验目的:了解及掌握运筹学一些常用软件,如excel,WinQsb:实验步骤1用Excel求解数学规划例:求max=2x1+x2+x34x1+2x2+2x2≥42x1+4x2≤204x1+8x2+2x3≤4步骤:1.输入模型数据制E3的公式到E4-E6:3.从“工具”菜单中选择“规划求解”,将弹出的“规划求解参数”窗口中的目标单元格设为$E$3,可变单元格设为$B$2:$D$2,目标为求最大值: 4.添加约束:由于本例的约束条件类型分别为<=、>=和=,因此要分3次设置,每次设置完毕后都要单击“添加”按钮,如下图。

添加完成后选择“确定”返回。

5.单击“选项”按钮,将“规划求解选项”窗口中的“采用线性模型”和“假定非负”两项选中后点“确定”返回,设置好参数的界面如下图:6.单击“求解”按钮,得到问题的最优解为:x1 =1,x2=0,x3=0,max Z=2。

2.winQSB求解线性规划及整数规划[例]求解线性规划问题:Minz=2x1—x2+2x32x1+2x2+x3=43x1+x2+x4=6第1步:生成表格选择“程序,生成对话框:第2步:输入数据单击“OK”,生成表格并输入数据如下第3步:求解):x1,x2,x3决策变量(Decision Variable最优解:x1=2,x2=0,x3=0目标系数:c1=2,c2= -1,c3=2最优值:4;其中x1贡献4、x2,x3贡献0;检验数(Reduced Cost):0,0,1.75。

目标系数的允许减量(Allowable Min.c[j])和允许增量(Allowable Max.c[j]):目标系数在此范围变量时,最优基不变。

约束条件(Constraint):C1、C2;左端(Left Hand Side):4,6右端(Right Hand Side):4,6松驰变量或剩余变量(Slack or Surplus):该值等于约束左端与约束右端之差。

运筹学实验报告(14p)

运筹学实验报告(14p)

工商管理学院2019-2020学年第二学期《管理运筹学》课程实验报告专业班级:工商管理1402学号:2019年6月30日【实验1:线性规划】(1) 对以下问题进行求解:12121212212max 32262+812,0z x x x x x x x x x x x =++≤⎧⎪≤⎪⎪-+≤⎨⎪≤⎪≥⎪⎩************************************************************************求解结果:结果分析:(1) 该问题的最优解为: 当x1=3.3333,x2=1.3333时, 此问题有最有解,max z=12.6667(2) 4个约束条件的右端项分别在什么范围变化,问题最优基不变: 当问题最优基不变时,4.0000>=b1<=7.0000 6.0000>=b2<=12.0000 -2.0000>=b3<=M1.3333>=b4<=M完成时间:2020/6/30 8:30:39************************************************************************(2)通过对以下问题的分析,建立线性规划模型,并求解: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?************************************************************************建立的线性规划模型为:用i=1,2,3分别代表原材料C,P,H,用j=1,2,3分别代表A,B,C三种产品,设xij为生产第j 种产品使用的第i种原材料的质量。

Maxz=50*(x11+x21+x31)+35*(x12+x22+x32)+25*(x13+x23+x33)-65*(x11+x12+x13)-25*(x21+x22+x23)-35*(x31+x32+x33)x11>=0.5*(x11+x21+x31)x21<=0.25*(x11+x21+x31)x12>=0.25*(x12+x22+x32)x22<=0.5*(x12+x22+x32)xij>=0(i=1,2,3,j=1,2,3)生产A 种产品用C 0.5千克,P 0.25千克,H为60千克,B种产品用C 0. 25千克,P 0.5千克,H 0千克,不生产C产品时利润最大为903.7500元完成时间:2020/6/30 09:11************************************************************************【实验2:运输问题与指派问题】(1)对以下运输问题进行求解:************************************************************************ 求解结果与分析:完成时间:2020/6/30************************************************************************(2)对以下运输问题进行求解:设有三个化肥厂(A, B, C)供应四个地区(I, II, III, IV)的农用化肥。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

吉林工程技术师范学院应用理学院
运筹学实验报告
整数线性规划
专业:数学与应用数学专业
班级: 0941班
姓名:张国钢丁雪晴赵海迪
郑权水程龙闫杰
学号: 25 02 08 22 23 14 指导教师:王忠文
应用理学院数学与应用数学专业
2011-12-6
实验目录
一、实验目的 (3)
二、实验要求 (3)
三、实验类型 (3)
四、需用仪器设备 (3)
五、实验步骤 (3)
实验一LINGO软件包的使用方法 ............................................................. 错误!未定义书签。

实验二MA TLAB优化工具箱使用方法 ..................................................... 错误!未定义书签。

实验三线性规划问题实例........................................................................... 错误!未定义书签。

实验四整数线性规划问题实例.. (4)
实验五非线性规划问题实例....................................................................... 错误!未定义书签。

六、实验总结 (5)
一、实验目的
掌握建立线性规划、整数规划问题、非线性规划问题数学模型的方法;
熟练地使用LINDO软件包及MATLAB求规划问题。

二、实验要求
1.利用LINGO软件求解简单的线性规划、整数规划、非线性规划模型。

2.利用MA TLAB求解简单的线性规划、整数规划、非线性规划模型。

三、实验类型
综合性实验
四、需用仪器设备
pc 486微机、windows环境、LINGO软件、MA TLAB软件。

五、实验步骤
1.通过教材所附光盘的使用说明文件的第二章、第三章、第四章的实例,学习LINGO软件或MATLAB软件基本操作。

2.建立教材80页第2题数学模型,并利用LINGO软件或MA TLAB软件求解。

3.建立教材100页第2题数学模型,并利用LINGO软件或MA TLAB软件求解。

4.建立教材155页第2题数学模型,并利用LINGO软件或MA TLAB软件求解。

本章, 我们介绍三种解决整数线性规划问题的软件:
第一种: MATLAB中的optimization toolbox中的若干程序;
第二种: LINDO软件;
第二种: LINGO软件.
实验二 整数线性规划问题实例
1. MATLAB 程序说明
程序名: intprogram, L01p_e, L01p_ie, transdetobi, biprogram
intprogram 是利用分支定界法解决整数规划问题, 是全部的整数规划问题;
L01p_e 是利用枚举法解决0-1规划问题, 变量要求全部为0或者1;
L01p_ie 是利用隐枚举法解决0-1规划问题, 变量要求全部为0或者1;
Transdetobi 是枚举法和隐枚举法中利用到的将十进制数转化为二进制数的函数;
Biprogram 是MATLAB6.5以上版本中有的求解0-1规划的函数的程序.
intprogram 执行实例1:
12
121212max 2010s.t.5424
2513
,0, f x x x x x x x x =++≤+≤≥ 且为整数
在命令窗口的程序执行过程和结果如下:
>> c=[-20,-10]; %将最大转化为最小;
>> a=[5,4;2,5];
>> b=[24;13];
>> [x,f]=intprogram(c,a,b,[0;0],[inf;inf],[],0,0.0001) % c,a,b 之后
[0;0] is the value of low bound;[inf;inf] is the value of up bound;[] is the initialization;0 is the number of the equation constraints; 0.0001 is the concise rate.
x =
4.0000
1.0000
f =
-90
2.LINDO 程序说明
LINDO 也提供了解决全整数规划、混合整数规划以及0-1规划的方法.
2.1 解决全整数规划问题
程序名: intlpall
intlpall 执行实例:
min 1110s.t.212
31
,0, x y
x y x y x y ++<->> 且为整数
在命令窗口键入以下内容:
max 11x+10y
st
2x+y<12
x-3y>1
end
gin x ! the general integer statement – GIN 将变量约束为整数
gin y ! the general integer statement – GIN 将变量约束为整数
按solve 键在reports window 出现:
LP OPTIMUM FOUND AT STEP 7
OBJECTIVE VALUE = 72.4285736
NEW INTEGER SOLUTION OF 66.0000000 AT BRANCH 0 PIVOT 12
BOUND ON OPTIMUM: 66.00000
ENUMERATION COMPLETE. BRANCHES= 0 PIVOTS= 12
LAST INTEGER SOLUTION IS THE BEST FOUND
RE-INSTALLING BEST SOLUTION...
OBJECTIVE FUNCTION VALUE
1) 66.00000
VARIABLE VALUE REDUCED COST
X 6.000000 -11.000000
Y 0.000000 -10.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.000000
3) 5.000000 0.000000
NO. ITERATIONS= 12
BRANCHES= 0 DETERM.= 1.000E 0]
3. LINGO 程序说明
除了特别说明, LINGO 默认变量是非负的以及连续的, 但是可用以下命令使得变量满足要求:
@GIN restricts a variable to being an integer value,
@BIN makes a variable binary (i.e., 0 or 1),
@FREE allows a variable to assume any real value, positive or negative
@BND limits a variable to fall within a finite range 等.
程序名: intlp (该程序主要是解决整数线性规划问题的, 用上述命令赋予变量属性.)
intlp 执行实例:
max 100150s.t.2160
100
120
,0, x y
x y x y x y ++<≤≤> 且为整数
在模型命令窗口键入以下内容:
max=100*x+150*y;
x<=100;
y<=120;
x+2*y<=160;
@gin(x);@gin(y);!若要只限制x,只要限制x即可.
按运行按钮在solution report 窗口得到以下结果:
Global optimal solution found at iteration: 2
Objective value: 14500.00
Variable Value Reduced Cost X 100.0000 -100.0000 Y 30.00000 -150.0000
Row Slack or Surplus Dual Price
1 14500.00 1.000000
2 0.000000 0.000000
3 90.00000 0.000000
4 0.000000 0.000000。

相关文档
最新文档