LINGO软件在线性规划中的运用
最优化方法(线性规划)——用Lingo对线性规划进行灵敏度分析
lingo 软件求解线性规划及灵敏度分析注：以目标函数最大化为例进行讨论，对求最小的问题，有类似的分析方法！所有程序运行环境为lingo10。
一、用lingo 软件求解线性规划例1：m a x 23..43103512,0z x ys t x y x y x y =++≤+≤≥在模型窗口输入：model:max=2*x+3*y;4*x+3*y<=10;3*x+5*y<12;! the optimal value is :7.454545 ;End如图所示：运行结果如下（点击 工具栏上的‘solve ’或点击菜单‘lingo ’下的‘solve ’即可）：Global optimal solution found. Objective value: 7.454545（最优解函数值）Infeasibilities: 0.000000Total solver iterations: 2（迭代次数）Variable （最优解） Value Reduced CostX 1.272727 0.000000Y 1.636364 0.000000Row Slack or Surplus Dual Price1 7.454545 1.0000002 0.000000 0.9090909E-013 0.000000 0.5454545例2：12123124125m a x 54..39028045z x x s t x x x x x x x x x x =+++=++=++=≥在模型窗口输入：model:max=5*x1+4*x2;x1+3*x2+x3=90;2*x1+x2+x4=80;x1+x2+x5=45;end运行（solve ）结果如下：Global optimal solution found.Objective value: 215.0000Infeasibilities: 0.000000Total solver iterations: 3Variable Value Reduced CostX1 35.00000 0.000000X2 10.00000 0.000000X3 25.00000 0.000000X4 0.000000 1.000000X5 0.000000 3.000000Row Slack or Surplus Dual Price1 215.0000 1.0000002 0.000000 0.0000003 0.000000 1.0000004 0.000000 3.000000例323123234235m in 2..22312z x x s t x x x x x x x x x x =-+-+=-+=-+=≥在模型窗口输入：model:min=-x2+2*x3;x1-2*x2+x3=2;x2-3*x3+x4=1;x2-x3+x5=2;end运行结果如下：Global optimal solution found.Objective value: -1.500000Infeasibilities: 0.000000Total solver iterations: 2Variable Value Reduced CostX2 2.500000 0.000000X3 0.5000000 0.000000X1 6.500000 0.000000X4 0.000000 0.5000000X5 0.000000 0.5000000Row Slack or Surplus Dual Price1 -1.500000 -1.0000002 0.000000 0.0000003 0.000000 0.50000004 0.000000 0.5000000例4：（非线性）m in ..124x y zs t x y x z +++≤+= 在模型窗口输入：model :min =@abs (x)+@abs (y)+@abs (z);x+y<=1;2*x+z=4;@free (x);@free (y);@free(z);End求解器状态如下：（可看出是非线性模型！）运行结果为：Linearization components added:Constraints: 12Variables: 12Integers: 3Global optimal solution found.Objective value:（最优解函数值） 3.000000Objective bound: 3.000000 Infeasibilities: 0.000000Extended solver steps: 0Total solver iterations: 3Variable(最优解) Value Reduced Cost X 2.000000 0.000000Y -1.000000 0.000000 Z 0.000000 0.000000Row Slack or Surplus Dual Price1 3.000000 -1.0000002 0.000000 1.0000003 0.000000 -1.000000二、用lingo软件进行灵敏度分析实例例5：m a x 603020864842 1.5202 1.50.585,,0S x y zx y z x y z x y z y x y z =++++≤++≤++≤≤≥ 在模型窗口输入：Lingo 模型：model:max=60*x+30*y+20*z;8*x+6*y+z<48;4*x+2*y+1.5*z<20;2*x+1.5*y+0.5*z<8;y<5;end（一）求解报告（solution report ）通过菜单Lingo →Solve 可以得到求解报告（solution report ）如下：Global optimal solution found at iteration: 0Infeasibilities: 0.000000Objective value: 280.0000Total solver iterations: 2Variable Value Reduced CostX 2.000000 0.000000Y 0.000000 5.000000Z 8.000000 0.000000Row Slack or Surplus Dual Price1 280.0000 1.0000002 24.00000 0.0000003 0.000000 10.000004 0.000000 10.000005 5.000000 0.000000分析Value,Reduced Cost ，Slack or Surplus ，Dual Price 的意义如下：1、最优解和基变量的确定Value 所在列给出了问题的最优解。
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。
lingo解决线性规划问题的程序(经典)
lingo解决线性规划问题的程序(经典)•线性规划问题概述•Lingo软件介绍•使用Lingo解决线性规划问题步目录骤•经典线性规划问题案例解析•Lingo在解决线性规划问题中的优势•总结与展望01线性规划问题概述定义：线性规划（Linear Programming，简称LP）是数学规划的一个分支，它研究的是在一组线性约束条件下，一个线性目标函数的最大或最小值问题。
特点目标函数和约束条件都是线性的。
可行域是凸集，即对于任意两个可行解，它们的凸组合仍然是可行解。
最优解如果存在，则一定在可行域的某个顶点上达到。
定义与特点生产计划资源分配运输问题金融投资01020304企业如何安排生产，使得在满足市场需求和资源限制的前提下，成本最低或利润最大。
如何合理分配有限的资源（如资金、人力、时间等），以达到最佳的效果。
如何安排货物的运输路线和数量，使得在满足供需关系的前提下，总运费最低。
投资者如何在一定的风险水平下，使得投资收益最大。
决策变量表示问题的未知量，通常用$x_1, x_2, ldots, x_n$表示。
目标函数表示问题的优化目标，通常是决策变量的线性函数，形如$z = c_1x_1 + c_2x_2 + ldots + c_nx_n$。
约束条件表示问题的限制条件，通常是决策变量的线性不等式或等式，形如$a_{11}x_1 + a_{12}x_2 + ldots + a_{1n}x_n leq (=, geq) b_1$。
01$begin{aligned}02& text{max} quad z = c_1x_1 + c_2x_2 + ldots +c_nx_n03& text{s.t.} quad a_{11}x_1 + a_{12}x_2 + ldots + a_{1n}x_n leq (=, geq) b_1& quadquadquad vdots& quadquadquad a_{m1}x_1 + a_{m2}x_2 + ldots + a_{mn}x_n leq (=, geq) b_m•& \quad\quad\quad x_i \geq 0, i = 1, 2, \ldots, n线性规划问题数学模型end{aligned}$其中，“s.t.”表示“subject to”，即“满足……的条件下”。
lingo软件的使用具体例子
1
4
0
0
3
2
3
1
0
1
3
2
0
1
3
4
1
2
0
3
5
1
1
1
1
6
0
3
0
1
7
0
0
2
3
需求
50
20
15
约束 满足需求
4 x13 x22 x3x4x550 整数约束：
x22x4x53x620
x3x52x715
xi 为整数
钢管下料问题1
当余料没有用处时，通常以总根数最少为目标
目标2（总根数） M Z 2 i x 1 n x 2 x 3 x 4 x 5 x 6 x 7
客户需求
原料钢管:每根19米
4米50根
6米20根
8米15根
问题1. 如何下料最节省 ? 节省的标准是什么？
问题2. 客户增加需求：
5米10根
由于采用不同切割模式太多，会增加生产和管理成本， 规定切割模式不能超过3种。如何下料最节省？
钢管下料
切割模式
按照客户需要在一根原料钢管上安排切割的一种组合。
4米1根 6米1根
切割多少根原料钢管，最为节省？
两种 标准
1. 原料钢管剩余总余量最小 2. 所用原料钢管总根数最少
决策变量 xi ~按第i 种模式切割的原料钢管根数(i=1,2,…7)
目标1（总余量） M Z 1 3 i x 1 n x 2 3 x 3 3 x 4 x 5 x 6 3 x 7
模式 4米根数 6米根数 8米根数 余料
vk(xk,uk)gk(uk)
资源分配问题
用lingo解线性规划问题
2. 所用原料钢管总根数最少
决策变量 xi ~按第i 种模式切割的原料钢管根数(i=1,2,…7)
目标1（总余量） Min Z1 3x1 x2 3x3 3x4 x5 x6 3x7
模 式 1 2 3 4 5 6 7 需 求 4米 根数 4 3 2 1 1 0 0 50 6米 根数 0 1 0 2 1 3 0 20 8米 根数 0 0 1 0 1 0 2 15 余 料 3 1 3 3 1 1 3
x1 x2 50
12x1 8x2 480
约束条件
劳动时间 加工能力 非负约束
3x1 100 x1 , x2 0
线性 规划 模型 (LP)
模型求解
20桶牛奶生产A1, 30桶生产A2，利润3360元。
结果解释
Max＝ 72x1+64x2
2）x1+x2<50 3）12x1+8x2<480
解：直接在LINGO的模型窗口中输 入程序
LINDO/LINGO软件的求解过程
1. 确定常数
2. 识别类型
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
线性优化求解程序 1. 单纯形算法 2. 内点算法(选)
IQP
INLP
非线性优化求解程序
LINDO和LINGO软件能求解的优化模型
钢管下料问题1
模式 1 2 3 4 5 6 7 4米钢管根数 4 3 2 1 1 0 0
合理切割模式
8米钢管根数 0 0 1 0 1 0 2 余料(米) 3 1 3 3 1 1 3
6米钢管根数 0 1 0 2 1 3 0
为满足客户需要，按照哪些种合理模式，每种模式 切割多少根原料钢管，最为节省？ 两种 标准 1. 原料钢管剩余总余量最小
用LINGO求解线性规划的例子
附1：用LINGO求解线性规划的例子一奶制品加工厂用牛奶生产A1、A2两种奶制品，1桶牛奶可以在设备甲上用12小时加工成3公斤A1，或者在设备乙上用8小时加工成4公斤A2。
根据市场需求，生产的A1、A2能全部售出，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为480小时，并且设备甲每天至多能加工100公斤A1，设备乙的加工能力没有限制。
试为该厂制定一个生产计划，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元可以购买到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？数学模型：设每天用x1桶牛奶生产A1 ，用x2桶牛奶生产A2目标函数：设每天获利为z元。
x1桶牛奶可生产3x1公斤A1，获利24*3x1，x2桶牛奶可生产4*x2公斤A2，获利16*4x2，故z=72x1+64x2约束条件：原料供应：生产A1、A2的原料（牛奶）总量不超过每天的供应50桶，即x1+x2≤50劳动时间：生产A1、A2的总加工时间不超过每天正式工人总的劳动时间480小时，即12x1+8x2≤480设备能力：A1的产量不得超过设备甲每天的加工能力100小时，即3x1≤100非负约束：x1、x2均不能为负值，即x1≥0，x2≥0综上所述可得max z=72x1+64x2s.t.x1+x2≤5012x1+8x2≤4803x1≤100x1≥0，x2≥0显然，目标函数和约束条件都是线性的，这是一个线性规划（LP），求出的最优解将给出使净利润最大的生产计划，要讨论的问题需要考虑参数的变化对最优解和影响，一般称为敏感性（或灵敏度）分析。
LINGO求解线性规划用LINGO求解线性规划时，首先在LINGO软件的模型窗口输入一个LP模型，模型以MAX或MIN 开始，按线性规划问题的自然形式输入（见下面例子所示）。
运用Lingo进行线性规划求解(实例)
LINGO
支持多种线性规划算法，包括单纯形法、网络算法等。
要点二
Gurobi
主要采用高级优化算法，如分支定界法、动态规划等。
LINGO与Gurobi的比较
LINGO
支持各种类型的约束条件，包括整数约束、非线性约束 等。
Gurobi
特别擅长处理大规模、非线性问题，但对线性问题的处 理能力稍弱。
LINGO
界面简洁，建模语言直观，易于学习和掌握。
Excel
需要结合多个函数和工具进行建模，对于复杂问题操作相对繁琐。
LINGO与Excel的比较
LINGO
针对优化问题进行了优化，求解速度 较快，精度较高。
Excel
求解速度较慢，对于大规模问题可能 无法得到满意的结果。
LINGO与Gurobi的比较
LINGO软件特点
高效求解
LINGO采用先进的求解算法，能够快速求解大规 模线性规划问题。
灵活建模
LINGO支持多种建模语言，用户可以根据需要选 择合适的语言进行建模。
图形界面
LINGO提供直观的图形界面，方便用户进行模型 设计和结果查看。
LINGO软件应用领域
生产计划
LINGO可用于制定生产计划，优化资源配置， 提高生产效率。
金融投资
LINGO可以用于金融投资组合优化，帮助投 资者实现风险和收益的平衡。
物流优化
LINGO可以帮助企业优化物流配送路线，降 低运输成本。
资源分配
LINGO可用于资源分配问题，如人员、设备、 资金的分配，以达到最优效果。
2023
PART 02
线性规划基本概念
REPORTING
线性规划定义
线性规划是数学优化技术的一种，它通过将问 题抽象为数学模型，利用数学方法来寻找最优 解。
- 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)。
Southwestuniversityofscienceandtechnology
实验报告LINGO软件在线性规划中的运用
学院名称环境与资源学院
专业名称采矿工程
学生姓名
学号
指导教师
二〇一五年十一月
实验LINGO软件在线性规划中的运用1.实验目的
掌握LINGO软件求解线性规划问题的基本步骤，了解LINGO软件解决线性规划问题的基本原理，熟悉常用的线性规划计算代码，理解线性规划问题的迭代关系。
2.实验仪器、设备或软件
电脑，LINGO软件
3.实验内容
（1）LINGO软件求解线性规划问题的基本原理；
（2）编写并调试LINGO软件求解线性规划问题的计算代码；
4.实验步骤
（1）使用LINGO计算并求解线性规划问题；
（2）写出实验报告，并浅谈学习心得体会(线性规划的基本求解思路与方法及求解过程中出现的问题及解决方法)。
5.题目
有一艘货轮，分前、中、后三个舱位，它们的容积与最大允许载重量如表1所示。
现有三种货物待运，已知有关数据列于表2中。
又为了航运安全，要求前、中、后舱在实际载重量上大体保持各舱最大允许载重量的比例关系。
具体要求前、后舱分别与中舱之间载重量比例上偏差不超过15％，前、后舱之间不超过10％。
问该货轮应装载A、B、C各多少件，运费收入为最大？要求写出建模分析，数学模型建立，并分别用lingo和matlab编写程序代码，并计算出结果和分析结果。
前舱中舱后舱
最大允许载重量(t) 2000 3000 1500
容积(m3) 4000 5400 1500
商品数量(件) 每件体积(m3/件) 每件重量(t/件) 运价(元/件)
A 600 10 8 1000
B 1000 5 6 700
C 800 7 5 600
6.实验过程
!设前舱运A为x11，运B：x12,运C：x13;
!设中舱运A为x21，运B：x22,运C：x23;
!设后舱运A为x31，运B：x32,运C：x33;!单位：件;
!目标函数;
max=1000*(x11+x21+x31)+700*(x12+x22+x32)+600*(x13+x23+x33);
!数量约束;
x11+x21+x31<=600;
x12+x22+x32<=1000;
x13+x23+x33<=800;
!容量约束;
x11*10+x12*5+x13*7<=4000;
x21*10+x22*5+x23*7<=5400;
x31*10+x32*5+x33*7<=1500;
!重量约束;
x11*8+x12*6+x13*5<=2000;
x21*8+x22*6+x23*5<=3000;
x31*8+x32*6+x33*5<=1500;
!平衡约束;
x11*8+x12*6+x13*5<=1.15*(x21*8+x22*6+x23*5);
x21*8+x22*6+x23*5<=1.15*(x11*8+x12*6+x13*5);
x31*8+x32*6+x33*5<=1.15*(x21*8+x22*6+x23*5);
x21*8+x22*6+x23*5<=1.15*(x31*8+x32*6+x33*5);
x11*8+x12*6+x13*5<=1.1*(x21*8+x22*6+x23*5);
x21*8+x22*6+x23*5<=1.1*(x11*8+x12*6+x13*5);
!整数约束;
@gin(x11);@gin(x12);@gin(x13);
@gin(x21);@gin(x22);@gin(x23);
@gin(x31);@gin(x32);@gin(x33);
7.心得体会
运筹学是近几十年发展起来的一门新兴学科。
它的目的是为管理人员在做决议是提供科学的依据，它是实现现代化管理的有力工具。
应用运筹学处理问题是，有两个重要特点：一是从全局观点出发；二是通过建模，对于要求解的问题得到最合理的决策。
我国拥有的资源量，从人均来看，是一个资源相对贫乏的国家。
因此，如何合理、有效、经济的利用资源，是相当重要的。
提高管理工作的效能和效益，是
人尽其才，物尽其用，将运筹的方法应用于实践，运筹学拥有广阔的前景。
管理工作者、科学工作者和从事工程科学管理的人们都需要学习和掌握这门科学。
在运筹学上机实验中我自学了应用LINGO软件来实现用计算机的建模和对规划问题的求解。
通过学习，我学会了使用软件对线性规划等运筹学问题。
总之我感觉运筹学是一门很神奇的学科，他对我们有很大的帮助。