运筹学试验一：线性规划 LINGO 程序说明：LP
实验1 利用Lingo求解线性规划
实验一：利用Lingo 软件求解线性规划问题实验一 利用Lingo 软件求解线性规划问题1、 实验目的和任务1.1. 进一步掌握Lingo 编程操作；1.2通过实验进一步掌握运筹学线性规划问题的建模以及求解过程，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、Lingo3、 实验内容料场选址问题P10某公司有6个建筑工地要开工，每个工地的位置（用平面坐标a,b 表示，距离单位：km ）及水泥日用量d(单位：t)由下表给出，目前有两个临时料场位于P （5，1），Q （2，7），日储量各有20t.请回答以下问题： 假设从料场到工地之间有直线道路相连，试制定每天的供应计划，即从P,Q 两料场分别向各工地运送多少吨水泥，使总的吨公量数最小。
工地的位置（a,b ）及水泥日用量d建模 设工地的位置为(,)i i a b ,水泥日用量为i d ,i=1,2,…,6;料场位置为(,)j j x y ，日储量为j e ,j=1,2; 从料场j 向工地i 的运送量为ij c 。
决策变量：在问题（1）中，决策变量就是料场j 向工地i 的运送量为ij c ；在问题（2）中，决策变量除了料场j 向工地i 的运送量为ij c 外，新建料场位置(,)j j x y 也是决策变量。
目标函数：这个优化问题的目标函数f 是总砘公量数（运量乘以运输距离），所以优化目标可表为2611min j i f c ===∑∑约束条件：各工地的日用量必须满足，所以21,1,2, (6)ij ijc d i ===∑各料场的运送量不能超过日储量，所以61,1,2. ij jic e j =≤=∑求解过程编写模型程序：（介绍集合的定义及应用）model:sets:!确定变量a(1),a(2),a(3),a(4),a(5),a(6);demand/1..6/:a,b,d;supply/1..2/:x,y,e;link(demand,supply):c;endsetsdata:!分割数据的空格与逗号或回车的作用是等价的;a=1.25 8.75 0.5 5.75 3 7.25;b=1.25,0.75,4.75,5,6.5,7.75;d=3,5,4,7,6,11;e=20,20;!a=enddatainit:!lingo对数据是按列赋值的，而不是按行;x,y=5,1,2,7;endinit[OBJ] min=@sum(link(i,j):c(i,j)*((x(j)-a(i))^2+(y(j)-b(i))^2)^(1/2));@for(demand(i):[demand_con] @sum(supply(j):c(i,j))=d(i););@for(supply(i):[supply_con] @sum(demand(j):c(j,i))<=e(i););@for(supply(i):@bnd(0.5,x(i),8.75);@bnd(0.75,y(i),7.75););End计算结果：（如果你使用的是试用版软件，则可能不能用全局求解器求解本例，因为问题规模太大了，激活全局最优求解程序的方法，是用“lingo|Options”菜单命令打开选项对话框，在“Global Solver”选项卡上选择“Use Global Solver”）Local optimal solution found.Objective value: 85.26604Total solver iterations: 61Variable Value Reduced CostA( 1) 1.250000 0.000000A( 2) 8.750000 0.000000A( 3) 0.5000000 0.000000A( 4) 5.750000 0.000000A( 5) 3.000000 0.000000A( 6) 7.250000 0.000000B( 1) 1.250000 0.000000B( 2) 0.7500000 0.000000B( 3) 4.750000 0.000000B( 4) 5.000000 0.000000B( 5) 6.500000 0.000000B( 6) 7.750000 0.000000D( 1) 3.000000 0.000000D( 2) 5.000000 0.000000D( 3) 4.000000 0.000000D( 4) 7.000000 0.000000D( 5) 6.000000 0.000000D( 6) 11.00000 0.000000X( 1) 3.254883 0.000000X( 2) 7.250000 0.6335133E-06 Y( 1) 5.652332 0.000000Y( 2) 7.750000 0.5438639E-06 E( 1) 20.00000 0.000000E( 2) 20.00000 0.000000C( 1, 1) 3.000000 0.000000C( 1, 2) 0.000000 4.008540C( 2, 1) 0.000000 0.2051358C( 2, 2) 5.000000 0.000000C( 3, 1) 4.000000 0.000000C( 3, 2) 0.000000 4.487750C( 4, 1) 7.000000 0.000000C( 4, 2) 0.000000 0.5535090C( 5, 1) 6.000000 0.000000C( 5, 2) 0.000000 3.544853C( 6, 1) 0.000000 4.512336C( 6, 2) 11.00000 0.000000Row Slack or Surplus Dual PriceOBJ 85.26604 -1.000000DEMAND_CON( 1) 0.000000 -4.837363DEMAND_CON( 2) 0.000000 -7.158911DEMAND_CON( 3) 0.000000 -2.898893DEMAND_CON( 4) 0.000000 -2.578982DEMAND_CON( 5) 0.000000 -0.8851584DEMAND_CON( 6) 0.000000 0.000000SUPPLY_CON( 1) 0.000000 0.000000SUPPLY_CON( 2) 4.000000 0.000000如果把料厂P，Q的位置看成是已知并且固定的，这时是LP模型，只需把上面的程序中初始段的语句移到数据段就可以了。
线性规划问题的Lingo求解
Lingo中参数设置与调整
01
参数设置
02
调整策略
Lingo允许用户设置求解器的参数， 如求解方法、迭代次数、收敛精度等 。这些参数可以通过`@option`进行 设置。
如果求解过程中遇到问题，如无解、 解不唯一等，可以通过调整参数或修 改模型来尝试解决。常见的调整策略 包括放松约束条件、改变目标函数权 重等。
02
比较不同方案
03
验证求解结果
如果存在多个可行解，需要对不 同方案进行比较，选择最优方案。
可以通过将求解结果代入原问题 进行验证，确保求解结果的正确 性和合理性。
感谢您的观看
THANKS
问题，后面跟随线性表达式。
02 03
约束条件表示
约束条件使用`subject to`或简写为`s.t.`来引入，后面列出所有约束条 件，每个约束条件以线性表达式和关系运算符（如`<=`, `>=`, `=`, `<`, `>`）表示。
非负约束
默认情况下，Lingo中的变量是非负的，如果变量可以为负，需要使用 `@free`进行声明。
问题的解通常出现在约束条件的边界上 。
变量通常是连续的。
特点 目标函数和约束条件都是线性的。
线性规划问题应用场景
生产计划
确定各种产品的最优生产量， 以最大化利润或最小化成本。
资源分配
在有限资源下，如何最优地分 配给不同的项目或任务。
运输问题
如何最低成本地将物品从一个 地点运输到另一个地点。
金融投资
03
求解结果
通过Lingo求解，得到使得总加工时间最短的生产计划安 排。
运输问题优化案例
问题描述
某物流公司需要将一批货物从A地运往B地，可以选择不同的运输方式和路径，每种方式和路径的运输时间和成本不 同。公司需要在满足货物送达时间要求的前提下，选择最优的运输方式和路径，使得总成本最低。
运筹学lingo实验报告
运筹学lingo实验报告
运筹学lingo实验报告
一、引言
实验目的
本次实验旨在探索运筹学lingo在解决实际问题中的应用，了解lingo的基本使用方法和解题思路。
实验背景
运筹学是一门研究决策和规划的学科，其能够帮助我们优化资源分配、解决最优化问题等。
lingo是一种常用的运筹学工具，具有强大的求解能力和用户友好的界面，被广泛应用于各个领域。
二、实验步骤
准备工作
•安装lingo软件并激活
•熟悉lingo界面和基本功能
确定问题
•选择一个运筹学问题作为实验对象，例如线性规划、整数规划、网络流等问题
•根据实际问题，使用lingo的建模语言描述问题，并设置变量、约束条件和目标函数
运行模型
•利用lingo的求解器，运行模型得到结果
结果分析
•分析模型求解结果的合理性和优劣，对于不符合要求的结果进行调整和优化
结论
•根据实验结果，总结lingo在解决该问题中的应用效果和局限性，对于其他类似问题的解决提出建议和改进方案
三、实验总结
实验收获
•通过本次实验，我熟悉了lingo软件的基本使用方法和建模语言，增加了运筹学领域的知识和实践经验。
实验不足
•由于时间和条件的限制，本次实验仅涉及了基本的lingo应用，对于一些复杂问题的解决还需要进一步学习和实践。
•在以后的学习中，我将继续深入研究lingo的高级功能和应用场景，以提升运筹学问题的求解能力。
以上就是本次实验的相关报告内容，通过实验的实践和总结，我对lingo在运筹学中的应用有了更深入的理解，为今后的学习和研究奠定了基础。
运筹学实例分析及lingo求解
运筹学实例分析及lingo 求解一、线性规划某公司有6个仓库，库存货物总数分别为60、55、51、43、41、52，现有8个客户各要一批货，数量分别为35，37，22，32，41，32，43，38。
各供货仓库到8个客户处的单位货物运输价见表试确定各仓库到各客户处的货物调运数量，使总的运输费用最小。
解：设ijx 表示从第i 个仓库到第j 个客户的货物运量。
ij c表示从第i 个仓库到第j 个客户的单位货物运价，i a 表示第i 个仓库的最大供货量，j d 表示第j 个客户的订货量。
目标函数是使总运输费用最少，约束条件有三个：1、各仓库运出的货物总量不超过其库存数2、各客户收到的货物总量等于其订货数量3、非负约束数学模型为：∑∑===6181)(min i j ijij x c x f⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧≥===≤∑∑==08,,2,1,6,2,1,,..6181ij j i ij i j ij x j d x i a x t s 编程如下：model : Sets :Wh/w1..w6/:ai;Vd/v1..v8/:dj;links(wh,vd):c,x;endsetsData:ai=60,55,51,43,41,52;dj=35,37,22,32,41,32,43,38;c=6,2,6,7,4,2,5,94,9,5,3,8,5,8,25,2,1,9,7,4,3,37,6,7,3,9,2,7,12,3,9,5,7,2,6,55,5,2,2,8,1,4,3;EnddataMin=@sum(links(i,j):c(i,j)*x(i,j));@for(wh(i):@sum(vd(j):x(i,j))<=ai(i));@for(vd(j):@sum(wh(i):x(i,j))=dj(j));endGlobal optimal solution found.Objective value: 664.0000Total solver iterations: 0Variable Value Reduced Cost AI( W1) 60.00000 0.000000 AI( W2) 55.00000 0.000000 AI( W3) 51.00000 0.000000 AI( W4) 43.00000 0.000000 AI( W5) 41.00000 0.000000 AI( W6) 52.00000 0.000000 DJ( V1) 35.00000 0.000000 DJ( V2) 37.00000 0.000000 DJ( V3) 22.00000 0.000000 DJ( V4) 32.00000 0.000000 DJ( V5) 41.00000 0.000000 DJ( V6) 32.00000 0.000000 DJ( V7) 43.00000 0.000000 DJ( V8) 38.00000 0.000000 C( W1, V1) 6.000000 0.000000 C( W1, V2) 2.000000 0.000000 C( W1, V3) 6.000000 0.000000 C( W1, V4) 7.000000 0.000000 C( W1, V5) 4.000000 0.000000 C( W1, V6) 2.000000 0.000000C( W1, V8) 9.000000 0.000000 C( W2, V1) 4.000000 0.000000 C( W2, V2) 9.000000 0.000000 C( W2, V3) 5.000000 0.000000 C( W2, V4) 3.000000 0.000000 C( W2, V5) 8.000000 0.000000 C( W2, V6) 5.000000 0.000000 C( W2, V7) 8.000000 0.000000 C( W2, V8) 2.000000 0.000000 C( W3, V1) 5.000000 0.000000 C( W3, V2) 2.000000 0.000000 C( W3, V3) 1.000000 0.000000 C( W3, V4) 9.000000 0.000000 C( W3, V5) 7.000000 0.000000 C( W3, V6) 4.000000 0.000000 C( W3, V7) 3.000000 0.000000 C( W3, V8) 3.000000 0.000000 C( W4, V1) 7.000000 0.000000 C( W4, V2) 6.000000 0.000000 C( W4, V3) 7.000000 0.000000 C( W4, V4) 3.000000 0.000000 C( W4, V5) 9.000000 0.000000 C( W4, V6) 2.000000 0.000000 C( W4, V7) 7.000000 0.000000 C( W4, V8) 1.000000 0.000000 C( W5, V1) 2.000000 0.000000 C( W5, V2) 3.000000 0.000000 C( W5, V3) 9.000000 0.000000 C( W5, V4) 5.000000 0.000000 C( W5, V5) 7.000000 0.000000 C( W5, V6) 2.000000 0.000000 C( W5, V7) 6.000000 0.000000 C( W5, V8) 5.000000 0.000000 C( W6, V1) 5.000000 0.000000 C( W6, V2) 5.000000 0.000000 C( W6, V3) 2.000000 0.000000 C( W6, V4) 2.000000 0.000000 C( W6, V5) 8.000000 0.000000 C( W6, V6) 1.000000 0.000000 C( W6, V7) 4.000000 0.000000 C( W6, V8) 3.000000 0.000000 X( W1, V1) 0.000000 5.000000 X( W1, V2) 19.00000 0.000000X( W1, V4) 0.000000 7.000000 X( W1, V5) 41.00000 0.000000 X( W1, V6) 0.000000 2.000000 X( W1, V7) 0.000000 2.000000 X( W1, V8) 0.000000 10.00000 X( W2, V1) 1.000000 0.000000 X( W2, V2) 0.000000 4.000000 X( W2, V3) 0.000000 1.000000 X( W2, V4) 32.00000 0.000000 X( W2, V5) 0.000000 1.000000 X( W2, V6) 0.000000 2.000000 X( W2, V7) 0.000000 2.000000 X( W2, V8) 0.000000 0.000000 X( W3, V1) 0.000000 4.000000 X( W3, V2) 11.00000 0.000000 X( W3, V3) 0.000000 0.000000 X( W3, V4) 0.000000 9.000000 X( W3, V5) 0.000000 3.000000 X( W3, V6) 0.000000 4.000000 X( W3, V7) 40.00000 0.000000 X( W3, V8) 0.000000 4.000000 X( W4, V1) 0.000000 4.000000 X( W4, V2) 0.000000 2.000000 X( W4, V3) 0.000000 4.000000 X( W4, V4) 0.000000 1.000000 X( W4, V5) 0.000000 3.000000 X( W4, V6) 5.000000 0.000000 X( W4, V7) 0.000000 2.000000 X( W4, V8) 38.00000 0.000000 X( W5, V1) 34.00000 0.000000 X( W5, V2) 7.000000 0.000000 X( W5, V3) 0.000000 7.000000 X( W5, V4) 0.000000 4.000000 X( W5, V5) 0.000000 2.000000 X( W5, V6) 0.000000 1.000000 X( W5, V7) 0.000000 2.000000 X( W5, V8) 0.000000 5.000000 X( W6, V1) 0.000000 3.000000 X( W6, V2) 0.000000 2.000000 X( W6, V3) 22.00000 0.000000 X( W6, V4) 0.000000 1.000000 X( W6, V5) 0.000000 3.000000 X( W6, V6) 27.00000 0.000000X( W6, V8) 0.000000 3.000000 Row Slack or Surplus Dual Price 1 664.0000 -1.000000 2 0.000000 3.000000 3 22.00000 0.000000 4 0.000000 3.000000 5 0.000000 1.000000 6 0.000000 2.000000 7 0.000000 2.000000 8 0.000000 -4.000000 9 0.000000 -5.000000 10 0.000000 -4.000000 11 0.000000 -3.000000 12 0.000000 -7.000000 13 0.000000 -3.000000 14 0.000000 -6.000000 15 0.000000 -2.000000由以上结果可以清楚的看到由各仓库到各客户处的货物调运数量，由此得出的符合条件的最佳运货方案，而使运费最低，最低为664。
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-lingo软件的使用-习题代码
运筹学实验报告姓名：学号：班级：相关问题说明：一、实验性质和教学目的本实验是运筹学课安排的上机操作实验。
目的在于了解、熟悉计算机Lingo软件在运筹学模型求解中的作用，激发学习兴趣，提高学习效果，增强自身的动手能力，提高实际应用能力。
二、实验基本要求要求学生：1. 实验前认真做好理论准备，仔细阅读实验指导书；2. 遵从教师指导，认真完成实验任务，按时按质提交实验报告。
三、主要参考资料1．LINGO软件2. LINGO8.0及其在环境系统优化中的应用，大学，20053. 优化建模与LINDO/LINGO软件，清华大学，20054．运筹学编写组主编，运筹学（修订版），清华大学，19905．蓝伯雄主编，管理数学（下）—运筹学，清华大学，19976．胡运权主编，运筹学习题集（修订版），清华大学，19957．胡运权主编，运筹学教程（第二版），清华大学，2003实验容1、线性规划问题：⎪⎪⎩⎪⎪⎨⎧≥≤+≤+≤++=0,13119241171289..68max 2121212121x x x x x x x x t s x x z (1) 给出原始代码；(2) 计算结果(包括灵敏度分析，求解结果粘贴)；(3) 回答下列问题(手写)：a ) 最优解及最优目标函数值是多少；b ) 资源的对偶价格各为多少，并说明对偶价格的含义；c ) 为了使目标函数值增加最多，让你选择一个约束条件，将它的常数项增加一个单位，你将选择哪一个约束条件？这时目标函数值将是多少？d ) 对x 2的目标函数系数进行灵敏度分析；e ) 对第2个约束的约束右端项进行灵敏度分析；f ) 结合本题的结果解释“Reduced Cost ”的含义。
对偶价格就是说 约束方程右端变量增加1对目标函数值的影响答案：（1）代码max =8*x1+6*x2;9*x1+8*x2<=12;7*x1+11*x2<=24;9*x1+11*x2<=13;x1>=0;x2>=0;（2）计算结果Global optimal solution found.Objective value: 10.66667Total solver iterations: 2Variable Value Reduced Cost X1 1.333333 0.000000 X2 0.000000 1.111111Row Slack or Surplus Dual Price 1 10.66667 1.000000 2 0.000000 0.8888889 3 14.66667 0.000000 4 1.000000 0.0000006 0.000000 0.000000Ranges in which the basis is unchanged:Objective Coefficient RangesCurrent Allowable Allowable Variable Coefficient Increase Decrease X1 8.000000 INFINITY 1.250000 X2 6.000000 1.111111 INFINITYRighthand Side RangesRow Current Allowable Allowable RHS Increase Decrease 2 12.00000 1.000000 12.00000 3 24.00000 INFINITY 14.66667 4 13.00000 INFINITY 1.000000 5 0.0 1.333333 INFINITY 6 0.0 0.0 INFINITY(3)a)b)c)d)e)f)2、运输问题：(1) 给出原始代码；(2) 计算结果(决策变量求解结果粘贴)Min Z = Cij Xij∑=61i Xij <=bj （j=1...8） 销量约束∑∑==6181i j∑=81j Xij = ai （i=1...6） 产量约束Xij ≥ 0（i=1...6；j=1...8）代码：model :!6发点8 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;endsetsmin =sum (links: cost*volume); !目标函数;for (vendors(J):sum (warehouses(I): volume(I,J))<=demand(J)); !需求约束;for (warehouses(I):sum (vendors(J): volume(I,J))=capacity(I)); !产量约束;!这里是数据;data :capacity=55 47 42 52 41 32;demand=60 55 51 43 41 52 43 38;cost=6 2 9 7 4 2 5 94 5 5 3 8 5 3 25 2 1 3 7 4 8 37 6 7 9 9 2 7 12 3 6 5 7 2 6 55 9 2 2 8 1 4 3;enddataend答案Global optimal solution found.Objective value: 473.0000Infeasibilities: 0.000000Total solver iterations: 9Model Class: LPTotal variables: 48Nonlinear variables: 0Total constraints: 15Nonlinear constraints: 0Total nonzeros: 144Nonlinear nonzeros: 0Variable Value Reduced Cost CAPACITY( WH1) 55.00000 0.000000 CAPACITY( WH2) 47.00000 0.000000 CAPACITY( WH3) 42.00000 0.000000 CAPACITY( WH4) 52.00000 0.000000 CAPACITY( WH5) 41.00000 0.000000 CAPACITY( WH6) 32.00000 0.000000 DEMAND( V1) 60.00000 0.000000 DEMAND( V2) 55.00000 0.000000 DEMAND( V3) 51.00000 0.000000 DEMAND( V4) 43.00000 0.000000 DEMAND( V5) 41.00000 0.000000 DEMAND( V6) 52.00000 0.000000 DEMAND( V7) 43.00000 0.000000 DEMAND( V8) 38.00000 0.000000 COST( WH1, V1) 6.000000 0.000000 COST( WH1, V2) 2.000000 0.000000 COST( WH1, V3) 9.000000 0.000000 COST( WH1, V4) 7.000000 0.000000 COST( WH1, V5) 4.000000 0.000000 COST( WH1, V6) 2.000000 0.000000 COST( WH1, V7) 5.000000 0.000000 COST( WH1, V8) 9.000000 0.000000 COST( WH2, V1) 4.000000 0.000000 COST( WH2, V2) 5.000000 0.000000 COST( WH2, V3) 5.000000 0.000000 COST( WH2, V4) 3.000000 0.000000 COST( WH2, V5) 8.000000 0.000000 COST( WH2, V6) 5.000000 0.000000 COST( WH2, V7) 3.000000 0.000000 COST( WH2, V8) 2.000000 0.000000 COST( WH3, V1) 5.000000 0.000000 COST( WH3, V2) 2.000000 0.000000 COST( WH3, V3) 1.000000 0.000000 COST( WH3, V4) 3.000000 0.000000 COST( WH3, V5) 7.000000 0.000000 COST( WH3, V6) 4.000000 0.000000COST( WH4, V1) 7.000000 0.000000 COST( WH4, V2) 6.000000 0.000000 COST( WH4, V3) 7.000000 0.000000 COST( WH4, V4) 9.000000 0.000000 COST( WH4, V5) 9.000000 0.000000 COST( WH4, V6) 2.000000 0.000000 COST( WH4, V7) 7.000000 0.000000 COST( WH4, V8) 1.000000 0.000000 COST( WH5, V1) 2.000000 0.000000 COST( WH5, V2) 3.000000 0.000000 COST( WH5, V3) 6.000000 0.000000 COST( WH5, V4) 5.000000 0.000000 COST( WH5, V5) 7.000000 0.000000 COST( WH5, V6) 2.000000 0.000000 COST( WH5, V7) 6.000000 0.000000 COST( WH5, V8) 5.000000 0.000000 COST( WH6, V1) 5.000000 0.000000 COST( WH6, V2) 9.000000 0.000000 COST( WH6, V3) 2.000000 0.000000 COST( WH6, V4) 2.000000 0.000000 COST( WH6, V5) 8.000000 0.000000 COST( WH6, V6) 1.000000 0.000000 COST( WH6, V7) 4.000000 0.000000 COST( WH6, V8) 3.000000 0.000000 VOLUME( WH1, V1) 0.000000 4.000000 VOLUME( WH1, V2) 55.00000 0.000000 VOLUME( WH1, V3) 0.000000 7.000000 VOLUME( WH1, V4) 0.000000 5.000000 VOLUME( WH1, V5) 0.000000 2.000000 VOLUME( WH1, V6) 0.000000 0.000000 VOLUME( WH1, V7) 0.000000 3.000000 VOLUME( WH1, V8) 0.000000 8.000000 VOLUME( WH2, V1) 0.000000 1.000000 VOLUME( WH2, V2) 0.000000 2.000000 VOLUME( WH2, V3) 0.000000 2.000000 VOLUME( WH2, V4) 43.00000 0.000000 VOLUME( WH2, V5) 0.000000 5.000000 VOLUME( WH2, V6) 0.000000 2.000000 VOLUME( WH2, V7) 4.000000 0.000000 VOLUME( WH2, V8) 0.000000 0.000000 VOLUME( WH3, V1) 0.000000 4.000000 VOLUME( WH3, V2) 0.000000 1.000000 VOLUME( WH3, V3) 42.00000 0.000000VOLUME( WH3, V6) 0.000000 3.000000 VOLUME( WH3, V7) 0.000000 7.000000 VOLUME( WH3, V8) 0.000000 3.000000 VOLUME( WH4, V1) 0.000000 5.000000 VOLUME( WH4, V2) 0.000000 4.000000 VOLUME( WH4, V3) 0.000000 5.000000 VOLUME( WH4, V4) 0.000000 7.000000 VOLUME( WH4, V5) 0.000000 7.000000 VOLUME( WH4, V6) 14.00000 0.000000 VOLUME( WH4, V7) 0.000000 5.000000 VOLUME( WH4, V8) 38.00000 0.000000 VOLUME( WH5, V1) 41.00000 0.000000 VOLUME( WH5, V2) 0.000000 1.000000 VOLUME( WH5, V3) 0.000000 4.000000 VOLUME( WH5, V4) 0.000000 3.000000 VOLUME( WH5, V5) 0.000000 5.000000 VOLUME( WH5, V6) 0.000000 0.000000 VOLUME( WH5, V7) 0.000000 4.000000 VOLUME( WH5, V8) 0.000000 4.000000 VOLUME( WH6, V1) 0.000000 4.000000 VOLUME( WH6, V2) 0.000000 8.000000 VOLUME( WH6, V3) 0.000000 1.000000 VOLUME( WH6, V4) 0.000000 1.000000 VOLUME( WH6, V5) 0.000000 7.000000 VOLUME( WH6, V6) 32.00000 0.000000 VOLUME( WH6, V7) 0.000000 3.000000 VOLUME( WH6, V8) 0.000000 3.000000Row Slack or Surplus Dual Price1 473.0000 -1.0000002 19.00000 0.0000003 0.000000 0.0000004 9.000000 0.0000005 0.000000 0.0000006 41.00000 0.0000007 6.000000 0.0000008 39.00000 0.0000009 0.000000 1.00000010 0.000000 -2.00000011 0.000000 -3.00000012 0.000000 -1.00000013 0.000000 -2.00000014 0.000000 -2.0000003、一般整数规划问题：某服务部门各时段（每2h为一时段）需要的服务员人数见下表。
LINGO 线性规划问题的求解
实验报告课程名称：运筹学项目名称：线性规划问题的求解姓名：专业：班级：1班学号：同组成员：一、实验准备：1.线性规划（Linear programming,简称LP）是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法。
研究线性约束条件下线性目标函数的极值问题的数学理论和方法。
英文缩写LP。
它是运筹学的一个重要分支，广泛应用于军事作战、经济分析、经营管理和工程技术等方面。
为合理地利用有限的人力、物力、财力等资源作出的最优决策，提供科学的依据。
从实际问题中建立数学模型一般有以下三个步骤；(1)根据影响所要达到目的的因素找到决策变量；(2)由决策变量和所在达到目的之间的函数关系确定目标函数；(3)由决策变量所受的限制条件确定决策变量所要满足的约束条件。
2.所建立的数学模型具有以下特点：(1)每个模型都有若干个决策变量（x1，x2，x3……，xn），其中n为决策变量个数。
决策变量的一组值表示一种方案，同时决策变量一般是非负的。
(2)目标函数是决策变量的线性函数，根据具体问题可以是最大化（max）或实际中，为保证完成100套工架，所使用原材料最省，可以混合使用各种下料方案。
设按方案A,B,C,D,E下料的原材料数分别为x1,x2,x3,x4,x5根据表可以得到下面的线性规划模型：解：虽然连续投资问题属于动态优化问题，但可以用静态优化的方法解决，用决策变量xi1,xi2,xi3,xi4(i=12…,5)分别表示第i年年初为项目A,B,C,D,的投资额，根据问题的要求各变量的对应关系如表，表中空白处表示当年不能为该项目投资，也可认为投资额为0.实验报告成绩（百分制）__________ 实验指导教师签字：__________。
运筹学实验报告
数学与计算科学学院
实验报告
实验项目名称Lingo、MATLAB关于线性问题的求解所属课程名称运筹学
实验类型综合
实验日期2014年10月12日
班级统计1201班
学号201247100126
姓名杨赛波
附录1：源程序
附录2：实验报告填写说明
1．实验项目名称：要求与实验教学大纲一致.
2．实验目的：目的要明确，要抓住重点，符合实验教学大纲要求.
3．实验原理：简要说明本实验项目所涉及的理论知识.
4．实验环境：实验用的软、硬件环境.
5．实验方案（思路、步骤和方法等）：这是实验报告极其重要的内容.概括整个实验过程.
对于验证性实验，要写明依据何种原理、操作方法进行实验，要写明需要经过哪几个步骤来实现其操作.对于设计性和综合性实验，在上述内容基础上还应该画出流程图、设计思路和设计方法，再配以相应的文字说明.对于创新性实验，还应注明其创新点、特色. 6．实验过程（实验中涉及的记录、数据、分析）：写明具体实验方案的具体实施步骤，包括实验过程中的记录、数据和相应的分析.
7．实验结论（结果）：根据实验过程中得到的结果，做出结论.
8．实验小结：本次实验心得体会、思考和建议.
9．指导教师评语及成绩：指导教师依据学生的实际报告内容，给出本次实验报告的评价.。
数学建模_线性规划_运输问题lingo程序
X56 0.000000 32.00000
X64 30.00000 0.000000
X65 0.000000 3.000000
X66 0.000000 7.000000
Row Slack or Surplus Dual Price
1 1620.000 -1.000000
x12+x22+x32+x42+x52=50;
x13+x23+x33+x43+x53=40;
x14+x24+x34+x44+x54+x64=30;
x15+x25+x35+x45+x55+x65=30;
x16+x26+x36+x46+x56+x66=20;
LINGO求解结果：
Global optimal solution found.
供应限制：x11+x12+x13+x14+x15+x16=20
x21+x22+x23+x24+x25x+26=30
x31+x32+x33+x34+x35+x36=50
x41+x42+x43+x44+x45+x46=40
x52+x53+x54+x55+x56=30
x64+x65+x66=30
需求限制：x11+x21+x31+x41=30
10 0.000000 -10.00000
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: 5.900000Infeasibilities: 0.000000Total solver iterations: 3Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 0.000000 5.500000 X2 0.000000 3.600000 X3 1.100000 0.000000 X4 0.2000000 0.000000Row Slack or Surplus Dual Price1 5.900000 1.0000002 0.000000 0.70000003 0.000000 0.90000004 1.300000 0.000000（LP2） Global optimal solution found. Objective value: -9.250000 Infeasibilities: 0.000000 Total solver iterations: 2Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 0.000000 0.8750000 X2 3.000000 0.000000 X3 0.1250000 0.000000Row Slack or Surplus Dual Price1 -9.250000 -1.0000002 9.750000 0.0000003 0.000000 0.56250004 0.000000 0.2500000（LP3） Global optimal solution found. Objective value: 8.625000 Infeasibilities: 0.000000 Total solver iterations: 2Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 0.000000 0.6875000 X2 1.875000 0.000000 X3 3.000000 0.000000Row Slack or Surplus Dual Price1 8.625000 -1.0000002 5.500000 0.0000003 0.000000 -0.31250004 0.000000 -0.3750000 （LP4） Global optimal solution found. Objective value: 8.000000 Infeasibilities: 0.000000 Total solver iterations: 0Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 2.666667 0.000000 X2 0.000000 0.000000Row Slack or Surplus Dual Price1 8.000000 1.0000002 0.000000 1.0000003 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: 0Model Title: 会计09-1班30908251Variable Value Reduced Cost X1 2.000000 -1.000000 X2 1.000000 -1.000000Row Slack or Surplus Dual Price1 -3.000000 -1.0000002 5.000000 0.0000003 1.000000 0.0000004 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: 0Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 0.000000 4.000000 X2 0.000000 3.000000 X3 1.000000 2.000000Row Slack or Surplus Dual Price1 2.000000 -1.0000002 1.000000 0.0000003 0.000000 0.0000004 0.000000 0.000000（ILP7） Global optimal solution found.Objective value: 85.00000 Objective bound: 85.00000 Infeasibilities: 0.000000 Extended solver steps: 0 Total solver iterations: 2Model Title: 会计09-1班3090825Variable Value Reduced Cost X1 3.000000 -15.00000X2 2.000000 -20.00000Row Slack or Surplus Dual Price1 85.00000 1.0000002 1.000000 0.0000003 1.000000 0.000000五、实验结果的分析六、实验出现的问题运用lingo求解可从Global Opt知7个问题得到的都是全局最优解。