优化建模与LindoLingo优化软件
合集下载
优化模型与LINDOLINGO优化软件
前面是两个循环语句的用法，函数以 “@”开头，里面是循环变量以及界定循环 变量的变化范围，后面是循环体。还有另 外的两个循环函数：@min和@max，其用 法相类似。
从一维数组派生二维数组在数学上是常 用的，比如运输问题，由顶点集可以派生 边，大家可以使用本方法产生标准的运输 问题的Lingo程序。可以参考例子。
• Preprocess：预处理(生成割平面)； • Preferred Branch：优先的分枝方式：
“Default”（缺省方式）、 “Up”（向上取整优先）、 “Down”（向下取整优先）；
• IP Optimality Tol：IP最优值允许的误 差上限（一个百分数，如5%即0.05）； • IP Objective Hurdle：IP目标函数的篱 笆值，即只寻找比这个值更优最优解
2，Lingo程序的结构和语法
一个规划问题，包括下面的一些内容：变量、常量、目标、约束。还是以 前面的例子，说明最基本的程序构成。 model: linear programming sets:
cargo/1..n/:c,x; rhs/1..m/:b; mat(rhs,cargo):a; endsets data c=2,3; b=2,1/2; A=1,1,1,-2; enddata max=@sum(cargo(i):c(i)*x(i)); @for(rhs(j):@sum(cargo(i):a(j,i)*x(i))<b(j));
1 )现 有 2料 场 ， 位 于 A (5 ,1 ),B (2 ,7 ), 记 (x j,y j),j= 1 ,2 , 日 储 量 e j各 有 2 0吨 。
目标：制定每天的供应计划，即从 A, B 两料场分别向
各工地运送多少吨水泥，使总的吨公里数最小。
优化建模与lingo优化软件
Teaching Plan on Optimization in Lingo
• 2007年: (A)中国人口增长预测问题 (B)“乘公交，看奥运”问题 (C)“手机套餐”优惠几何问题 (D)体能测试时间的安排问题
Teaching Plan on Optimization in Lingo
• 2008年: (A) 数码相机定位
Teaching Plan on Optimization in Lingo
• 1998年: (A)投资的收益和风险问题 (B)灾情的巡视路线问题（社会问题 即时性）
• 1999年: (A)自动化机床控制管理问题 (B)地质堪探钻井布局问题 (C)煤矸石堆积问题 (D)钻井布局
Teaching Plan on Optimization in Lingo
2003年A题再次体现关注社会热点 问题
Teaching Plan on Optimization in Lingo
• 2004年: (A)奥运会临时超市网点设计问题 (B)电力市场的输电阻塞管理问题 (C)酒后开车问题 (D)公务员的招聘问题 • 2004年5月在上海召开的命题工 作会议
Teaching Plan on Optimization in Lingo
• 2005年: (A)长江水质的评价与预测问题 (B)DVD在线租赁问题 (C) 雨量预报方法的评价问题 (D) DVD在线租赁
Teaching Plan on Optimization in Lingo
• 2006年: (A)出版社的资源管理问题 (B)艾滋病疗法的评价及预测问题 (C)易拉罐形状和尺寸的设计问题 (D)煤矿瓦斯和煤尘的监测与控制 问题
• 重要新闻、重大事件与赛题设计： 2000年6月26日各国新闻机构发布人类 基因组草图绘就的重要消息。顺应这 一世纪科学大事，当年7月组委会构造 与此相关赛题，引导学生关注世界科 技热点，投身科学重大问题的研究， 培养应用能力。
优化模型与LINGO优化软件
资 源 单位产品资源消耗量 甲 A B C 单位产品利润 2 4 0 2 乙 2 0 5 3 12 16 15 资源拥有量
m ax z 2 x1 3 x 2 s .t . 2 x1 2 x 2 1 2 4x 16 1 5 x2 15 x1 , x 2 0
状态窗口说明（例1）
•Constraints(约束数量) •Nonzeros(非零系数数量) •内存使用量 •求解花费的时间
全局最优解 求解步骤数
3、报告 窗口说明 （例1）
最优解 变量的检验数 松弛或剩余变量的值 对偶价格的值
单纯形法计算步骤框图(目标函数求max)
至少存在一个元素ais>0
LINGO的窗口介绍
LINGO的主窗口 LINGO模型窗口 LINGO状态窗口 LINGO报告窗口
例1的运算 结果： 主 窗 口 模型窗口 报告窗口 状态窗口
1、主窗口与 模型窗口说明
定 位 某 行
模 型 求 解
模 型 图 示
查 找
匹 配 括 号
显 示 解 答
选 项 设 置
2、状态窗口说明（例1）
③ LINGO中的语句顺序是不重要的,因为LINGO总 是根据“Max=”或“Min=”语句寻找目标函数，其它 语句都是约束条件. ④ LINGO 程序中不区分大小写字母 .( 实际上任何 小写字符将被转换为大写字符) ⑤ LINGO中的变量必须以字母开头,且最多不能超 过32个字符. ⑥ 在LINGO中,以@开头的都是函数的调用. ⑦ LINGO已假定所有变量非负, 可用限定变量取值 范围的函数 @BIN 、 @GIN 、 @FREE 、 @BND 改 变变量的非负假定.
•求解器状态框 •模型的类型 •解的状态 •Objective(解的目标函数值) •Infeasibility(约束不满足总量) •到目前为止的迭代次数 •扩展的求解器状态框
m ax z 2 x1 3 x 2 s .t . 2 x1 2 x 2 1 2 4x 16 1 5 x2 15 x1 , x 2 0
状态窗口说明（例1）
•Constraints(约束数量) •Nonzeros(非零系数数量) •内存使用量 •求解花费的时间
全局最优解 求解步骤数
3、报告 窗口说明 （例1）
最优解 变量的检验数 松弛或剩余变量的值 对偶价格的值
单纯形法计算步骤框图(目标函数求max)
至少存在一个元素ais>0
LINGO的窗口介绍
LINGO的主窗口 LINGO模型窗口 LINGO状态窗口 LINGO报告窗口
例1的运算 结果： 主 窗 口 模型窗口 报告窗口 状态窗口
1、主窗口与 模型窗口说明
定 位 某 行
模 型 求 解
模 型 图 示
查 找
匹 配 括 号
显 示 解 答
选 项 设 置
2、状态窗口说明（例1）
③ LINGO中的语句顺序是不重要的,因为LINGO总 是根据“Max=”或“Min=”语句寻找目标函数，其它 语句都是约束条件. ④ LINGO 程序中不区分大小写字母 .( 实际上任何 小写字符将被转换为大写字符) ⑤ LINGO中的变量必须以字母开头,且最多不能超 过32个字符. ⑥ 在LINGO中,以@开头的都是函数的调用. ⑦ LINGO已假定所有变量非负, 可用限定变量取值 范围的函数 @BIN 、 @GIN 、 @FREE 、 @BND 改 变变量的非负假定.
•求解器状态框 •模型的类型 •解的状态 •Objective(解的目标函数值) •Infeasibility(约束不满足总量) •到目前为止的迭代次数 •扩展的求解器状态框
2024年度LINGO软件
结果分析
对求解结果进行分析，验证模型的有 效性和可行性。
模型调整
根据结果分析，对模型进行调整和优 化，提高模型的实用性和准确性。
24
05 LINGO软件在各 个领域的应用案 例
2024/3/23
25
生产计划与调度问题
2024/3/23
生产线平衡
LINGO可以用于解决生产线平衡问题，通过优化生产线上 各个工位的任务分配，提高生产效率和资源利用率。
一些学术机构和研究团队也会分享他们的 LINGO使用经验和案例，为学习者提供更多 的学习资源和合作机会。
37
THANKS
感谢观看
2024/3/23
38
LINGO可用于金融市场预测和决策分析，通过建立预测模型和分析工具
，揭示金融市场的运行规律和趋势，为投资决策提供支持。
29
06 LINGO软件与其 他工具的集成与 应用
2024/3/23
30
与Excel的集成与应用
2024/3/23
数据交换
LINGO可以直接从Excel中导入数据，也可以将结果导出到Excel ，实现数据的无缝对接。
2024/3/23
28
金融工程与投资组合优化问题
01
投资组合优化
LINGO可以用于解决投资组合优化问题，通过优化投资组合中各个资产
的配置比例，实现风险和收益的平衡。
02
期权定价与风险管理
利用LINGO建立期权定价模型，可以准确计算期权的价值，为风险管理
提供决策依据。
2024/3/23
03
金融市场预测与决策分析
2024/3/23
整数规划算法
分支定界法、割平面法等适用于整数规划问 题的求解。
优化软件LINDO在运筹学中的应用
案例分析
案例分析
以下是一个应用案例，通过使用软件，学生对某物流公司的运输网络进行了 优化。
1、问题描述：该物流公司拥有多个仓库和配送中心，货物的运输和配送由多 个车辆完成。由于公司业务量的增长，原有的运输网络已经不能满足需求，因此 需要优化车辆路径以提高运输效率。
案例分析
2、软件应用：学生使用MATLAB和Simulation Builder来建立并求解该优化 问题。首先，使用MATLAB建立一个车辆路径优化模型；然后，使用Simulation Builder对该模型进行模拟和测试；最后，通过MATLAB进行结果分析和可视化。
软件应用
软件应用
1、建模：在物流运筹学教学中，软件可以帮助学生轻松建立各种数学模型， 如线性规划模型、整数规划模型等。这些模型可以准确地描述物流系统的实际情 况，为进一步的分析和优化奠定基础。
软件应用
2、分析：软件集成了大量的数据分析工具和算法，可以帮助学生深入分析物 流系统中的各种数据，如成本数据、时间数据等。通过这些分析，学生可以更好 地理解物流系统的性能瓶颈和优化潜力。
应用实践
1、需求分析
1、需求分析
在物流工程运筹学中，需求分析是解决问题的第一步。教师可引导学生使用 LINGO软件进行问题定义和场景模拟，以便更好地理解问题背景和需求。例如， 在解决车辆路径问题（VRP）时，可以通过LINGO软件对客户需求、车辆容量等进 行分析，为后续建模优化做好准备。
案例分析
3、结果分析：经过优化，车辆路径长度减少了20%，运输时间减少了15%，从 而大幅提高了运输效率。但是，由于仓库和配送中心的布局以及货物的特性限制， 部分优化目标的改善幅度较小。
案例分析
4、不足与挑战：在这个案例中，虽然软件的应用取得了显著的效果，但仍存 在一些不足之处。例如，模型假设较为简化，忽略了一些现实中的影响因素，如 交通状况、天气等。此外，优化过程中只考虑了运输成本和时间，而未考虑到其 他潜在的成本和利益相关者需求。未来，学生需要对模型进行进一步的改进和完 善，以更好地应对现实中的复杂问题。
LINDO与LINGO软件介绍
15
查看模型的统计信息， 用Reports/statistics查看模型的统计信息， 查看模型的统计信息
第一行：模型有 行 约束4行），2个变量 个变量， 个整数变量 个整数变量（ 个 变量 变量）， 第一行：模型有5行（约束 行）， 个变量，0个整数变量（0个0-1变量）， 不是二次规划. 不是二次规划 第二行：非零系数10个 约束中非零系数6个 其中 个为1或 ， 其中5个为 第二行：非零系数 个，约束中非零系数 个(其中 个为 或-1)，模型密度 密度=非零系数 行数＊ 变量数＋ 为0.667(密度 非零系数 行数＊(变量数＋１)]) . 密度 非零系数/[行数 变量数 第三行的意思：按绝对值看，系数最小、最大分别为1和 第三行的意思：按绝对值看，系数最小、最大分别为 和8. 第四行的意思：模型目标为极大化；小于等于、等于、 第四行的意思：模型目标为极大化；小于等于、等于、大于等于约束分别有 广义上界约束(GUBS)不超过 个；变量上界约束 不超过2个 变量上界约束(VUBS)不 ２、０、２个；广义上界约束 不超过 不 少于０ 所谓GUBS，是指一组不含有相同变量的约束；所谓 少于０个。所谓 ，是指一组不含有相同变量的约束；所谓VUBS，是 ， 指一个蕴涵变量上界的约束，如从约束X1+X2-X3=0可以看出，若X3=0，则 可以看出， 指一个蕴涵变量上界的约束，如从约束 可以看出 ， X1=0，X2=0（因为有非负限制），因此 ），因此 是一个VUBS约束。 约束。 ， （因为有非负限制），因此X1+X2-X3=0是一个 是一个 约束 第五行的意思：只含１个变量的约束个数=０ 冗余的列数=０ 第五行的意思：只含１个变量的约束个数 ０个；冗余的列数 ０个
版本信息，可以通过 查询.我们还 版本信息，可以通过help/about查询 我们还 查询 可以查到允许的变量个数、约束个数、 可以查到允许的变量个数、约束个数、整数 变量个数、非零系数个数等. 变量个数、非零系数个数等
查看模型的统计信息， 用Reports/statistics查看模型的统计信息， 查看模型的统计信息
第一行：模型有 行 约束4行），2个变量 个变量， 个整数变量 个整数变量（ 个 变量 变量）， 第一行：模型有5行（约束 行）， 个变量，0个整数变量（0个0-1变量）， 不是二次规划. 不是二次规划 第二行：非零系数10个 约束中非零系数6个 其中 个为1或 ， 其中5个为 第二行：非零系数 个，约束中非零系数 个(其中 个为 或-1)，模型密度 密度=非零系数 行数＊ 变量数＋ 为0.667(密度 非零系数 行数＊(变量数＋１)]) . 密度 非零系数/[行数 变量数 第三行的意思：按绝对值看，系数最小、最大分别为1和 第三行的意思：按绝对值看，系数最小、最大分别为 和8. 第四行的意思：模型目标为极大化；小于等于、等于、 第四行的意思：模型目标为极大化；小于等于、等于、大于等于约束分别有 广义上界约束(GUBS)不超过 个；变量上界约束 不超过2个 变量上界约束(VUBS)不 ２、０、２个；广义上界约束 不超过 不 少于０ 所谓GUBS，是指一组不含有相同变量的约束；所谓 少于０个。所谓 ，是指一组不含有相同变量的约束；所谓VUBS，是 ， 指一个蕴涵变量上界的约束，如从约束X1+X2-X3=0可以看出，若X3=0，则 可以看出， 指一个蕴涵变量上界的约束，如从约束 可以看出 ， X1=0，X2=0（因为有非负限制），因此 ），因此 是一个VUBS约束。 约束。 ， （因为有非负限制），因此X1+X2-X3=0是一个 是一个 约束 第五行的意思：只含１个变量的约束个数=０ 冗余的列数=０ 第五行的意思：只含１个变量的约束个数 ０个；冗余的列数 ０个
版本信息，可以通过 查询.我们还 版本信息，可以通过help/about查询 我们还 查询 可以查到允许的变量个数、约束个数、 可以查到允许的变量个数、约束个数、整数 变量个数、非零系数个数等. 变量个数、非零系数个数等
优化建模入门与LINGOLINDO简介
优化建模
整数规划问题对应的松弛问题
取消整数规划中决策变量为整数的限制（松弛），对 应的连续优化问题称为原问题的松弛问题 整数规划问题 最优解
最优解 凸多边形的某个顶点
求解LP的基本思想
凸多面体的某个顶点
思路：从可行域的某一顶点开始，只需在有限多个 顶点中一个一个找下去，一定能得到最优解。
LP的通常解法是单纯形法(G. B. Dantzig, 1947)
优化建模
LP其他算法
内点算法(Interior point method)
• 20世纪80年代人们提出的一类新的算法——内点算法 • 也是迭代法，但不再从可行域的一个顶点转换到另一个 顶点，而是直接从可行域的内部逼近最优解。
f ( x)
优化建模
s.t.
hi ( x) 0, i 1,...,m g j ( x) 0, j 1,...,l
整数规划问题的分类
• 整数线性规划(ILP) 目标和约束均为线性函数 • 整数非线性规划(NLP) 目标或约束中存在非线性函数 • 纯(全)整数规划(PIP) 决策变量均为整数 • 混合整数规划(MIP) 决策变量有整数，也有实数 • 0-1规划 决策变量只取0或1
决策变量：周一至周日每天(新)聘用人数 x1, x2,x7 目标函数：7天(新)聘用人数之和 约束条件：周一至周日每天需要人数
设系统已进入稳态（不是开始的几周） 连续工作5天 周一工作的应是(上)周四至周一聘用的 x4 x5 x6 x7 x1 50
min s.t. z x1 x2 x3 x4 x5 x6 x7 x1 x4 x5 x6 x7 50
优化建模
优化问题的一般形式
优化问题三要素：决策变量；目标函数；约束条件 目标函数 约 束 条 件
优化建模与LINGO第05章
优化建模
§5.1.3 求解模型
3种解法
的采购量x分解为三个量 第1种解法 将原油 的采购量 分解为三个量，即用 1， 种解法 将原油A的采购量 分解为三个量，即用x x2，x3分别表示以价格 、8、6千元 吨采购的原油 的吨 分别表示以价格10、 、 千元 吨采购的原油A的吨 千元/吨采购的原油 总支出为c(x) = 10x1+8x2+6x3，且 数，总支出为 x = x1 + x2 + x3 (9) 这时目标函数（2）变为线性函数： 这时目标函数（ ）变为线性函数：
500 y 2 ≤ x1 ≤ 500 y1
500 y 3 ≤ x 2 ≤ 500 y 2 x3 ≤ 500 y 3
(14) (15) (16) (17)
y1，y2，y3 =0或1 或
优化建模
（3）~（10），（13）~（17）构成混合整数线性 10），（13） ），（13 17） 规划模型，将它输入LINDO软件： LINDO软件 规划模型，将它输入LINDO软件：
优化建模
优化建模与LINDO/LINGO软件 优化建模与LINDO/LINGO软件 LINDO/LINGO
第5 章 生产与服务运作管理中的优化问题
优化建模
内容提要
§5.1 生产与销售计划问题 §5.2 有瓶颈设备的多级生产计划问题 §5.3 下料问题 §5.4 面试顺序与消防车调度问题 §5.5 飞机定位和飞行计划问题
优化建模
第2种解法: 种解法: 引入0 变量将（11） 12） 引入0-1变量将（11）和（12）转化为线性约束 分别表示以10千元 令y1=1，y2=1，y3=1分别表示以 千元 吨、8千元 ， ， 分别表示以 千元/吨 千元 /吨、6千元 吨的价格采购原油 ，则约束（11） 千元/吨的价格采购原油 吨 千元 吨的价格采购原油A，则约束（ ） 和（12）可以替换为 ）
- 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、"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、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)。
优化(Optimization), 规划(Programming)
无线 约性 束规 优划 化
非 线 性 规 划
整 数 Байду номын сангаас 划
组 合 优 化
不 确 定 规 划
多 目 标 规 划
目 标 规 划
网 络 优 化
动 态 规 划
优化问题的一般形式
优化问题三要素：决策变量；目标函数；约束条件
min f ( x)
LINDO/LINGO预处理程序 LP QP NLP IP 全局优化(选)
分枝定界管理程序
ILP IQP INLP
线性优化求解程序 非线性优化求解程序
1. 单纯形算法 2. 内点算法(选)
1、顺序线性规划法(SLP) 2、广义既约梯度法(GRG) (选) 3、多点搜索(Multistart) (选)
(V8.0)
演示(试用)版、学生版、高级版、超级版、工业版、 扩展版… （求解问题规模和选件不同）
LINDO和LINGO软件能求解的优化模
型
优化模型
连续优化
整数规划(IP)
线性规划 二次规划
(LP)
(QP)
LINDO
非线性规划 (NLP)
LINGO
LINDO/LINGO软件的求解过程
1. 确定常数 2. 识别类型
2. LINDO公司的主要软件产品及功能简介
LINDO 公司软件产品简要介绍
美国芝加哥(Chicago)大学的Linus Schrage教授于1980 年前后开发, 后来成立 LINDO系统公司（LINDO Systems Inc.）， 网址：
LINDO: Linear INteractive and Discrete Optimizer
简要提纲
1. 优化模型与优化软件简介 2. LINDO公司的主要软件产品及功能简介 3. LINDO / LINGO软件的使用简介 4. 建模与求解实例（结合软件使用）
1. 优化模型与优化软件简介
优化模型和优化软件的重要意义
(最)优化:在一定条件下,寻求使目标最大(小)的决策
最优化是工程技术、经济管理、科学研究、 社会生活中经常遇到的问题, 如: 结构设计 资源分配 生产计划 运输方案 解决优化问题的手段
(V6.1)
LINGO: Linear INteractive General Optimizer
(V9.0)
LINDO API: LINDO Application Programming Interface (V3.0)
What’s Best!: (SpreadSheet e.g. EXCEL)
Minf (x) x
其中
x(x1,x2, ,xn)T n
局部最优解
f(x)
xl *
xg
全局最优解
ox
必要条件 充分条件
f(x*)(fx1, ,fxn)T02 f
2 f
f(x*)0, 2f(x*)0
xixj nn
Hessian阵
最优解在可行域边界上取得时不能用无约束优化方法求解
约束优化的
min f ( x)
s.t. hi ( x) 0, i 1,..., m g j ( x) 0, j 1,..., l
决策变量
x D n
目标函数
约 束 条 件
• 可行解（满足约束）与可行域（可行解的集合） • 最优解（取到最小／大值的可行解）
无约束优化:最优解的分类和条件
给定一个函数 f(x),寻找 x* 使得 f(x*)最小，即
• 经验积累，主观判断 • 作试验，比优劣 • 建立数学模型(优化模型)，求最优策略(决策) CUMCM赛题：约一半以上与优化有关，需用软件求解
(最)优化理论是运筹学的基本内容
运筹学(OR: Operations/Operational Research) OR/ MS/ 管理科学(MS: Management Science) DS 决策科学 (DS: Decision Science)
离 散
✓ 整数线性规划(ILP)，整数非线性规划(INLP)
优 ✓ 纯整数规划(PIP), 混合整数规划(MIP)
化 ✓ 一般整数规划，0-1（整数）规划
常用优化软件
1. LINDO/LINGO软件 2. MATLAB优化工具箱 3. EXCEL软件的优化功能 4. SAS(统计分析)软件的优化功能 5. 其他
建模时需要注意的几个基本问题
1、尽量使用实数优化，减少整数约束和整数变量 2、尽量使用光滑优化，减少非光滑约束的个数
如：尽量少使用绝对值、符号函数、多个变量求 最大/最小值、四舍五入、取整函数等 3、尽量使用线性模型，减少非线性约束和非线性变 量的个数 （如x/y <5 改为x<5y） 4、合理设定变量上下界，尽可能给出变量初始值 5、模型中使用的参数数量级要适当 (如小于103)
全局 优化
fzero lsqnonlin fsolve lsqcurvefit 暂缺
非线性规划 fmincon fminimax fgoalattain fseminf
约束线性 最小二乘
lsqnonneg lsqlin
上下界约束 fminbnd fmincon lsqnonlin lsqcurvefit
简单分类
s.t. hi ( x) 0, i 1,..., m
数学规划
g j ( x) 0, j 1,..., l x D n
连 • 线性规划(LP) 目标和约束均为线性函数
续 优
• 非线性规划(NLP) 目标或约束中存在非线性函数
化 ✓ 二次规划(QP) 目标为二次函数、约束为线性
• 整数规划(IP) 决策变量(全部或部分)为整数
MATLAB优化工具箱能求解的优化模型
优化工具箱3.0 (MATLAB 7.0 R14)
连续优化
离散优化
纯0-1规划 bintprog 一般IP(暂缺)
无约束优化
约束优化
非线性 极小 fminunc
非光滑(不可 微)优化
fminsearch
线性规划 linprog
二次规划 quadprog
非线性 非线性 方程(组) 最小二乘
3. LINDO / LINGO软件的使用简介
需要掌握的几个重要方面
1、LINDO: 正确阅读求解报告（尤其要掌握敏感性分析）
2、LINGO： 掌握集合(SETS)的应用； 正确阅读求解报告； 正确理解求解状态窗口； 学会设置基本的求解选项(OPTIONS) ； 掌握与外部文件的基本接口方法
例1 加工奶制品的生产计划