用lingo解决运输问题

用lingo解决运输问题

（一）实验目的

1. 运输问题求解的编程实现

2．掌握使用matlab、Lingo、Excel的求解功能求解运输问题，并对结果进行分析。（二）实验内容

《运筹学》清华三版P98页 3.3题

Lingo程序代码及运行结果（选取部分）：

<1>3.3（1）：

程序代码：

model:

sets:

xiao/1..4/:s;

chan/1..3/:h;

link(chan,xiao):x,y;

endsets

data:

y=3 7 6 4

2 4

3 2

4 3 8 5;

h=5 2 3;

s=3 3 2 2;

enddata

min=@sum(link:x*y);

@for(xiao(j):@sum(chan(i):x(i,j))=s(j));

@for(chan(i):@sum(xiao(j):x(i,j))=h(i));

运行结果及结果分析：

Objective value: 32.00000

产地1分别将数量为3和2的产品运往销地甲和丁；产地2将数量为2的产品运往销地丙；产地3将数量为3的产品运往销地乙；该运输问题的最小费用为32.

<2>3.3（2）：

model:

sets:

xiao/1..4/:s;

chan/1..3/:h;

link(chan,xiao):x,y;

endsets

data:

y=10 6 7 12

16 10 5 9

5 4 10 10;

h=4 9 4;

s=5 2 4 6;

enddata

min=@sum(link:x*y);

@for(xiao(j):@sum(chan(i):x(i,j))=s(j));

@for(chan(i):@sum(xiao(j):x(i,j))=h(i));

运行结果及结果分析：

Objective value: 118.0000

产地1将数量为1、2、1的产品分别运往销地甲、乙、丙；产地将数量为3、6的产品运往销地丙、丁；产地3将数量为4的产品运往销地甲。最小费用为118.

<3>3.3（3）：

程序代码：

model:

sets:

xiao/1..5/:s;

chan/1..4/:h;

link(chan,xiao):x,y;

endsets

data:

y=10 20 5 9 10

2 10 8 30 6

1 20 7 10 4

h=5 6 2 9;

s=4 4 6 2 4;

enddata

min=@sum(link:x*y);

@for(xiao(j):@sum(chan(i):x(i,j))=s(j));

@for(chan(i):@sum(xiao(j):x(i,j))<=h(i));

运行结果及结果分析：

Objective value: 90.00000

产地1分别将数量为1、2的产品运往销地丙、丁；产地2分别将数量为4、2的产品运往销地甲、戊；产地3将数量为2的产品运往销地戊；产地4分别将数量为4、5的产品运往销地乙、丙；最小运费为90.

<4>3.3（4）：

程序代码：

model:

sets:

xiao/1..5/:s;

chan/1..5/:h;

link(chan,xiao):x,y;

endsets

data:

y=10 18 29 13 22

13 10000 21 14 16

0 6 11 3 10000

9 11 23 18 19

24 28 36 30 34;

h=100 120 140 80 60;

s=100 120 100 60 80;

enddata

min=@sum(link:x*y);

@for(xiao(j):@sum(chan(i):x(i,j))=s(j));

@for(chan(i):@sum(xiao(j):x(i,j))<=h(i));

运行结果及结果分析：

Objective value: 5520.000

产地1将数量为100的产品运往销地甲；产地2分别将数量为40、80的产品运往销地丙、戊；产地3分别将数量为的产品运往销地乙、丙、丁；产地4将数量为80的产品运往销地乙；产地5将数量为20的产品运往销地乙。最小运费为5520.

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 ij x 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： ∑∑===6 18 1)(min i j ij ij x c x f ????? ??????≥===≤∑∑==08,,2,1,6,2,1,,. .6 1 8 1ij 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; endsets Data: ai=60,55,51,43,41,52; dj=35,37,22,32,41,32,43,38; c=6,2,6,7,4,2,5,9 4,9,5,3,8,5,8,2 5,2,1,9,7,4,3,3 7,6,7,3,9,2,7,1 2,3,9,5,7,2,6,5 5,5,2,2,8,1,4,3; Enddata Min=@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)); end Global optimal solution found. Objective value: Total solver iterations: 0 Variable Value Reduced Cost AI( W1) AI( W2) AI( W3) AI( W4) AI( W5) AI( W6) DJ( V1) DJ( V2) DJ( V3) DJ( V4) DJ( V5) DJ( V6) DJ( V7) DJ( V8) C( W1, V1) C( W1, V2) C( W1, V3) C( W1, V4) C( W1, V5) C( W1, V6)

lingo解决线性规划问题的程序

Lingo12软件培训教案 Lingo 主要用于求解线性规划，整数规划，非线性规划，V10以上版本可编程。 例1 一个简单的线性规划问题 0 , 600 2 100 350 st. 3 2max >=<=+=<<=++=y x y x x y x y x z ! 源程序 max = 2*x+3*y; [st_1] x+y<350; [st_2] x<100; 2*x+y<600; !决策变量黙认为非负; <相当于<=; 大小写不区分 当规划问题的规模很大时，需要定义数组(或称为矩阵)，以及下标集(set) 下面定义下标集和对应数组的三种方法，效果相同:：r1 = r2 = r3, a = b = c. sets : r1/1..3/:a; r2 : b; r3 : c; link2(r1,r2): x; link3(r1,r2,r3): y; endsets data : ALPHA = ; a=11 12 13 ; r2 = 1..3; b = 11 12 13; c = 11 12 13; enddata

例2 运输问题 解： 设决策变量ij x = 第i 个发点到第j 个售点的运货量，i =1,2,…m; j =1,2,…n; 记为ij c =第i 个发点到第j 个售点的运输单价，i =1,2,…m; j =1,2,…n 记i s =第i 个发点的产量， i =1,2,…m; 记j d =第j 个售点的需求量， j =1,2,…n. 其中，m = 6; n = 8. 设目标函数为总成本，约束条件为（1）产量约束；（2）需求约束。 于是形成如下规划问题： n j m i x n j d x m i s x x c ij j n i ij i m j ij m i n j ij ij ,...,2,1,,...,2,1,0 ,...,2,1, ,...,2,1, st. z min 11 11==>=<==<==∑∑∑∑==== 把上述程序翻译成LINGO 语言，编制程序如下： ! 源程序

Lingo超经典案例大全

Lingo超经典案例大全 LINGO是Linear Interactive and General Optimizer的缩写，即“交互式的线性和通用优化求解器”。Lingo超强的优化计算能力在很多方面（线性规划、非线性规划、线性整数规划、非线性整数规划、非线性混合规划、二次规划等）比matlab、maple等强得多，Lingo编程简洁明了，数学模型不用做大的改动（或者不用改动）便可以直接采用Lingo语言编程，十分直观。 Lingo模型由4个段构成： （1）集合段（sets endsets）；（2）数据段（data enddata)； (3)初始段（init endinit）；（4）目标与约束段。 Lingo的五大优点： 1. 对大规模数学规划，LINGO语言所建模型较简洁，语句不多； 2. 模型易于扩展，因为@FOR、@SUM等语句并没有指定循环或求和的上下限，如果在集合定义部分增加集合成员的个数，则循环或求和自然扩展，不需要改动目标函数和约束条件； 3. 数据初始化部分与其它部分语句分开，对同一模型用不同数据来计算时，只需改动数据部分即可，其它语句不变； 4. “集合”是LINGO有特色的概念，它把实际问题中的事物与数学变量及常量联系起来，是实际问题到数学量的抽象，它比C语言中的数组用途更为广泛。 5. 使用了集合以及@FOR、@SUM等集合操作函数以后可以用简洁的语句表达出常见的规划模型中的目标函数和约束条件，即使模型有大量决策变量和大量数据，组成模型的语句并不随之增加． 一、求解线性整数规划、非线性整数规划问题： 1.线性整数规划： model: max=x1+x2; x1+9/14*x2<=51/14; -2*x1+x2<=1/3; @gin(x1);@gin(x2); end

LINGO求解运输问题

一.实验目的 1、学会使用LINGO 软件求解运输问题的步骤与方法。 2、掌握使用LINGO 对运输问题的求解功能，并对结果进行分析。 二.实验内容 1.已知某企业有甲、乙、丙三个分厂生产一种产品，其产量分别为7、9、7个单位，需运往A 、B 、C 、D 四个门市部，各门市部需要量分别为3、5、7、8个单位。已知单位运价如下表。试确定运输计划使总运费最少。 2.现在要在五个工人中确定四个人来分别完成四项工作中的一项工作。由于每个工人的技术特长不同，他们完成各项工作所需的工时也不同。每个工人完成各项工作所需工时如下表所示，试找出一个工作分配方案，使总工时最小。 三. 模型建立 1.由题设知，总产量为：7+9+7=23个单位，总销量为：3+5+7+8=23个单位，所以这是一个产销平衡的运输问题。 设)4,3,2,1;3,2,1(==j i x ij 代表从第i 个产地运往第j 个销地的数量，z 为总运费。i a 表示第i 个产地的产量，j b 表示第j 个销地的销量ij c 表示从第i 个产地运往第j 个销地的单位产

品运输费用。则该问题的数学模型为： 3 4 1 1 4 13 1 max 0,1,2,3;1,2,3,4ij ij i j ij i j ij j i ij Z c x x a x b x i j =====?=???=???≥==??∑ ∑ ∑∑ 2. 设0-1变量，1,0ij i x i ?=??当第个人完成某j 项工作 ，当第个人不完成某j 项工作 则该问题的数学模型为： 5 4 115 141 min 1,1,01ij ij i j ij i ij j ij Z c x x j x i x i j =====?= =1,2,3,4??? = = 1,2,3,4,5???= =1,2,3,4,5;=1,2,3,4?? ∑∑∑∑或， 四. 模型求解（含经调试后正确的源程序） 1、编写程序1-1.m 如下： model : sets : warehouses/wh1..wh3/: capacity; vendors/v1..v4/: demand; links(warehouses,vendors): cost, volume; endsets data : capacity=7 9 7； demand=3 5 7 8； cost= 12 13 10 11 10 12 14 10 14 11 15 12； enddata min =@sum (links(I,J): cost(I,J)*volume(I,J));

用lingo解决运输问题

用lingo解决运输问题 （一）实验目的 1. 运输问题求解的编程实现 2．掌握使用matlab、Lingo、Excel的求解功能求解运输问题，并对结果进行分析。（二）实验内容 《运筹学》清华三版P98页 3.3题 Lingo程序代码及运行结果（选取部分）： <1>3.3（1）： 程序代码： model: sets: xiao/1..4/:s; chan/1..3/:h; link(chan,xiao):x,y; endsets data: y=3 7 6 4 2 4 3 2 4 3 8 5; h=5 2 3; s=3 3 2 2; enddata min=@sum(link:x*y); @for(xiao(j):@sum(chan(i):x(i,j))=s(j)); @for(chan(i):@sum(xiao(j):x(i,j))=h(i)); 运行结果及结果分析： Objective value: 32.00000 产地1分别将数量为3和2的产品运往销地甲和丁；产地2将数量为2的产品运往销地丙；产地3将数量为3的产品运往销地乙；该运输问题的最小费用为32. <2>3.3（2）：

model: sets: xiao/1..4/:s; chan/1..3/:h; link(chan,xiao):x,y; endsets data: y=10 6 7 12 16 10 5 9 5 4 10 10; h=4 9 4; s=5 2 4 6; enddata min=@sum(link:x*y); @for(xiao(j):@sum(chan(i):x(i,j))=s(j)); @for(chan(i):@sum(xiao(j):x(i,j))=h(i)); 运行结果及结果分析： Objective value: 118.0000 产地1将数量为1、2、1的产品分别运往销地甲、乙、丙；产地将数量为3、6的产品运往销地丙、丁；产地3将数量为4的产品运往销地甲。最小费用为118. <3>3.3（3）： 程序代码： model: sets: xiao/1..5/:s; chan/1..4/:h; link(chan,xiao):x,y; endsets data: y=10 20 5 9 10 2 10 8 30 6 1 20 7 10 4

用lingo解决运输问题

用lingo解决运输问题 Lingo程序代码及运行结果（选取部分）： 程序代码： model: sets: xiao/1..4/:s; chan/1..3/:h; link(chan,xiao):x,y; endsets data: y=3 7 6 4 2 4 3 2 4 3 8 5; h=5 2 3; s=3 3 2 2; enddata min=@sum(link:x*y); @for(xiao(j):@sum(chan(i):x(i,j))=s(j)); @for(chan(i):@sum(xiao(j):x(i,j))=h(i)); 运行结果及结果分析： Objective value: 32.00000 产地1分别将数量为3和2的产品运往销地甲和丁；产地2将数量为2的产品运往销地丙；产地3将数量为3的产品运往销地乙；该运输问题的最小费用为32. 程序代码： model: sets: xiao/1..4/:s; chan/1..3/:h; link(chan,xiao):x,y; endsets

data: y=10 6 7 12 16 10 5 9 5 4 10 10; h=4 9 4; s=5 2 4 6; enddata min=@sum(link:x*y); @for(xiao(j):@sum(chan(i):x(i,j))=s(j)); @for(chan(i):@sum(xiao(j):x(i,j))=h(i)); 运行结果及结果分析： Objective value: 118.0000 产地1将数量为1、2、1的产品分别运往销地甲、乙、丙；产地将数量为3、6的产品运往销地丙、丁；产地3将数量为4的产品运往销地甲。最小费用为118. 程序代码： model: sets: xiao/1..5/:s; chan/1..4/:h; link(chan,xiao):x,y; endsets data: y=10 20 5 9 10 2 10 8 30 6 1 20 7 10 4 8 6 3 7 5; h=5 6 2 9; s=4 4 6 2 4; enddata min=@sum(link:x*y); @for(xiao(j):@sum(chan(i):x(i,j))=s(j)); @for(chan(i):@sum(xiao(j):x(i,j))<=h(i));

应用LINGO软件求解运输问题

2012——2013学年第一学期 合肥学院数理系 实验报告 课程名称：运筹学 实验项目：应用LINGO软件求解运输问题 实验类别：综合性□设计性□√验证性□专业班级： 姓名：学号： 实验地点： 实验时间： 指导教师：成绩：

一.实验目的 1、学会使用LINGO 软件求解运输问题的步骤与方法。 2、掌握使用LINGO 对运输问题的求解功能，并对结果进行分析。 二.实验内容 1.已知某企业有甲、乙、丙三个分厂生产一种产品，其产量分别为7、9、7个单位，需运往A 、B 、C 、D 四个门市部，各门市部需要量分别为3、5、7、8个单位。已知单位运价如下表。试确定运输计划使总运费最少。 2.现在要在五个工人中确定四个人来分别完成四项工作中的一项工作。由于每个工人的技术特长不同，他们完成各项工作所需的工时也不同。每个工人完成各项工作所需工时如下表所示，试找出一个工作分配方案，使总工时最小。 三. 模型建立 1.由题设知，总产量为：7+9+7=23个单位，总销量为：3+5+7+8=23个单位，所以这是一个产销平衡的运输问题。 设)4,3,2,1;3,2,1(==j i x ij 代表从第i 个产地运往第j 个销地的数量，z 为总运费。i a 表示第i 个产地的产量，j b 表示第j 个销地的销量ij c 表示从第i 个产地运往第j 个销地的单位产

品运输费用。则该问题的数学模型为： 3 4 1 1 4 13 1 m ax 0,1,2,3;1,2,3,4ij ij i j ij i j ij j i ij Z c x x a x b x i j ===== ?=???=???≥==??∑∑ ∑∑ 2. 设0-1变量，1,0ij i x i ?=??当第个人完成某j 项工作 ，当第个人不完成某j 项工作 则该问题的数学模型为： 5 4 1 1 5 14 1 m in 1,1,01ij ij i j ij i ij j ij Z c x x j x i x i j ===== ?= =1,2,3,4???= = 1,2,3,4,5???= =1,2,3,4,5;=1,2,3,4?? ∑∑∑∑或， 四. 模型求解（含经调试后正确的源程序） 1、编写程序1-1.m 如下： model : sets : warehouses/wh1..wh3/: capacity; vendors/v1..v4/: demand; links(warehouses,vendors): cost, volume; endsets data : capacity=7 9 7； demand=3 5 7 8； cost= 12 13 10 11 10 12 14 10 14 11 15 12； enddata min =@sum (links(I,J): cost(I,J)*volume(I,J));

用线性规划方法求解运输问题

用线性规划方法求解运输问题 线性规划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.在经济管理、交通运输、工农业生产等经济活动中，提高经济效果是人们不可缺少的要求，而提高经济效果一般通过两种途径：一是技术方面的改进，例如改善生产工艺，使用新设备和新型原材料.二是生产组织与计划的改进，即合理安排人力物力资源.线性规划所研究的是：在一定条件下，合理安排人力物力等资源，使经济效果达到最好.一般地，求线性目标函数在线性约束条件下的最大值或最小值的问题，统称为线性规划问题。满足线性约束条件的解叫做可行解，由所有可行解组成的集合叫做可行域。决策变量、约束条件、目标函数是线性规划的三要素. 运输问题的提出及其数学模型：现在人们生产活动中，不可避免的要进行物资调运工作，如某时期内将生产基地的蔬菜，粮食等各类物资，分别运到需要这些物资的地区。如何根据各地的生产量和需求量及各地之间的运输费用，如何制定一个运输方案，使总的运输量费用最小，这类的问题称

为运输问题。假设有m 个产地，记为A 1、A 2….A m ,生产某种物资，可供应的产量分别为a 1,a 2….a m ,有n 个销地，记为B 1、B 2…B n ,其需求量分别为b 1、b 2…b n ,假设在供需平衡的情况下，即∑=m i ai 1=∑=n j bj 1 ，从第i 个产地到j 个销地的单位物资的运费为c ij ，在满足各地需求的前提下，求运费最小的方案。 设x ij （i=1、2…m,j=1、2…n ）为第i 个产地到第j 个销地的运量，则运输问题的数学模型为 Min Z = ∑=m i 1∑=n j cijxij 1

lingo基础操作

LINGO 使用教程 LINGO 是用来求解线性和非线性优化问题的简易工具。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。 §1 LINGO 快速入门 当你在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，建立的模型都要在该窗口内编码实现。下面举两个例子。 例1.1 如何在LINGO 中求解如下的LP 问题： ,6002100 350. .32min 21211 2121≥≤+≥≥++x x x x x x x t s x x 在模型窗口中输入如下代码： min =2*x1+3*x2; x1+x2>=350; x1>=100; 2*x1+x2<=600; 然后点击工具条上的按钮 即可。 例1.2 使用LINGO 软件计算6个发点8个收点的最小费用运输问题。产销单位运价如下表。

单 位销地 运 B1B2B3B4B5B6B7B8产量价 产地 A1 6 2 6 7 4 2 5 9 60 A2 4 9 5 3 8 5 8 2 55 A3 5 2 1 9 7 4 3 3 51 A4 7 6 7 3 9 2 7 1 43 A5 2 3 9 5 7 2 6 5 41 A6 5 5 2 2 8 1 4 3 52 销量35 37 22 32 41 32 43 38 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; endsets !目标函数; min=@sum(links: cost*volume); !需求约束; @for(vendors(J): @sum(warehouses(I): volume(I,J))=demand(J)); !产量约束; @for(warehouses(I): @sum(vendors(J): volume(I,J))<=capacity(I)); !这里是数据; data: capacity=60 55 51 43 41 52; demand=35 37 22 32 41 32 43 38; cost=6 2 6 7 4 2 9 5 4 9 5 3 8 5 8 2 5 2 1 9 7 4 3 3 7 6 7 3 9 2 7 1 2 3 9 5 7 2 6 5 5 5 2 2 8 1 4 3; enddata end 然后点击工具条上的按钮即可。 为了能够使用LINGO的强大功能，接着第二节的学习吧。 §2 LINGO中的集

Lingo软件解决产销不平衡的运输问题

产销不平衡的运输问题 产地B1 B2 B3 B4 B5 B6 B7 产量 A1 6 2 6 7 4 2 5 60 A2 4 9 5 3 8 5 8 55 A3 5 2 1 9 7 4 3 51 A4 7 6 7 3 9 2 7 43 A5 2 3 9 5 7 2 6 41 销量35 37 22 32 41 32 43 model: sets: supply/1..5/:produce;demand/1..7/:sell; link(supply,demand):cost,x;endsetsdata: cost=6 2 6 7 4 2 5 4 9 5 3 8 5 8 5 2 1 9 7 4 3 7 6 7 3 9 2 7 2 3 9 5 7 2 6; produce=60 55 51 43 41; sell=35 37 22 32 41 32 43; enddatamin=@sum(link:cost*x); @for(supply(i):@sum(demand(j):x(i,j))<=produce(i)); @for(demand(j):@sum(supply(i):x(i,j))=sell(j)); end Global optimal solution found. Objective value: 717.0000 Infeasibilities: 0.000000 Total solver iterations: 14 Model Class: LP Total variables: 35 Nonlinear variables: 0 Integer variables: 0 Total constraints: 13 Nonlinear constraints: 0 Total nonzeros: 105 Nonlinear nonzeros: 0

lingo建模入门--例题一

对于例题一: 某工厂在计划期内要安排生产Ⅰ、Ⅱ两种产品，已知生产单位产品所需的设备台时及A、B两种原材料的消耗，如表1-1所示： ⅠⅡ 设备128台时 原材料A4016kg 原材料B0412kg 利润2元3元 我们建立模型: 利用lingo求解时,可直接将模型输入，如在lingo中输入如下内容：！A sample linear program: MAX= 2 * x1 + 3 * x2; 4 * x1<= 16 ; 4 * x2<= 12 ; x1+ 2 * x2<= 8 ; 然后单机lingo菜单中的solve进行求解即可。 Lingo是一个设计用于建立和求解各种各样优化问题的数学建模语言，我们来看一下上面的模型： 第一行以惊叹号开始，以分号结束，是对模型的注释。 第二行给出了目标函数，显示了他是最大化的（注意：没有包含z变量），乘法用星号来表示，目标函数以分号结束。 下面的三行是约束函数，标点符号同一般的计算机语言，以分号结束。Lingo默认所有的变量为非负，若没有非负约束，需要用@free注明。

Lingo大小写不敏感，变量可以用大写或小写来表示。 Lingo窗口顶部的菜单条是一个标准的windows方式。一旦模型建立，即可从菜单或工具的solve按钮进行求解。在求解之前，lingo首先检查模型是否有语法错误，如果有，则提示错误位置。否则，求解工具开始求解，求解工具将在屏幕上出现一个求解状态窗口，当求解完成，求解报告将出现在屏幕上。 求解报告中，value列给出了决策变量的最优质。Slack or Surplus列的第一个输入显示了目标函数的响应值，下两个输入显示了每个约束函数两边之间的不同（对应于每个约束函数的剩余变量或松弛变量的值）。Reduced Cost和Dual Price列给出了问题的敏感性分析的信息。 这个模型足够小，能够一项一项写出，但这是单调乏味的。在一些相似的应用中，可能会有成千上万的决策变量和约束函数，一次以一项一项的方式写出模型是不现实的，lingo提供了一个有效地、紧凑的书写方式，即lingo建模语言。 LP模型一般具有重复的性质，所有的决策变量和约束函数都是同种类型的，lingo使用集合来描述这些重复的性质。 这个例子中的相关集合： 产品集合:P01，P02 资源集合：M01，M02，M03；（机器和原材料都可以看作是一种资源） 集合的属性： 1、每种产品的产量，每单位产品的利润 2、每周资源的供应量（包括原材料的供应量和设备的台时限制） 3、每单位每种产品分别需要资源的数量（产品和资源的组合的集合 成员的属性，这个集合源于两个简单的集合，称为导出集） 一个典型的lingo建立模型有三个部分： 1. 集合部分 2. 数据部分 3. 提供数学模型的部分 我们建立此模型的集合及数据部分： ！lingo11 sets: !产品集合及其属性，/../之间的部分罗列了该集合的成员，每种属性会对应于集合的每个成员有一个值，相当于一个向量;

用lingo编程解决运输问题大全

LINGO是用来求解线性和非线性优化问题的简易工具。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。 当你在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。下面举两个例子。 例如何在LINGO中求解如下的LP问题：

,6002100 350. .32min 21211 2121≥≤+≥≥++x x x x x x x t s x x 在模型窗口中输入如下代码： min =2*x1+3*x2; x1+x2>=350; x1>=100; 2*x1+x2<=600; 然后点击工具条上的按钮 即可。 例 使用LINGO 软件计算6个发点8个收点的最小费用运输问题。产销单位运价如下表。 销地 产地 B 1 B 2 B 3 B 4 B 5 B 6 B 7 B 8 产量 A 1 6 2 6 7 4 2 5 9 60 A 2 4 9 5 3 8 5 8 2 55 A 3 5 2 1 9 7 4 3 3 51 A 4 7 6 7 3 9 2 7 1 43 A 5 2 3 9 5 7 2 6 5 41 A 6 5 5 2 2 8 1 4 3 52 销量 35 37 22 32 41 32 43 38

使用LINGO软件，编制程序如下： 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; endsets !目标函数; min=@sum(links: cost*volume); !需求约束; @for(vendors(J): @sum(warehouses(I): volume(I,J))=demand(J)); !产量约束; @for(warehouses(I): @sum(vendors(J): volume(I,J))<=capacity(I)); !这里是数据; data: capacity=60 55 51 43 41 52; demand=35 37 22 32 41 32 43 38; cost=6 2 6 7 4 2 9 5 4 9 5 3 8 5 8 2 5 2 1 9 7 4 3 3 7 6 7 3 9 2 7 1 2 3 9 5 7 2 6 5

《数学建模》实验指导4Lingo求解线性规划问题

实验四：在Lingo 中利用集求解线性规划问题 学时：4学时 实验目的：掌握利用Lingo 中的集求解线性规划问题的方法。 实验内容： 6 8 ,,1 1 6 ,18 ,1 m in * 1,,8 1,,6 i j i j i j i j j i i j i j cost volum e volum e dem and j volum e capacity i ========∑ ∑∑∑ 使用LINGO 软件，编制程序如下： 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; endsets !目标函数; min =@sum (links: cost*volume); !需求约束; @for (vendors(J): @sum (warehouses(I): volume(I,J))=demand(J)); !产量约束; @for (warehouses(I): @sum (vendors(J): volume(I,J))<=capacity(I)); !这里是数据; data :

capacity=60 55 51 43 41 52; demand=35 37 22 32 41 32 43 38; cost=6 2 6 7 4 2 9 5 4 9 5 3 8 5 8 2 5 2 1 9 7 4 3 3 7 6 7 3 9 2 7 1 2 3 9 5 7 2 6 5 5 5 2 2 8 1 4 3; enddata end 回答问题：哪些产地增加产量可以减少运费，应增加哪个产地的产量可以减少的最多。 2.用Lingo中的集求解课本P107上的例1（混合泳接力队的选拔）。 使用LINGO软件，编制程序如下： model: sets: workers/w1..w5/; jobs/j1..j4/; links(workers,jobs): cost,volume; endsets min=@sum(links: cost*volume); @for(workers(I): @sum(jobs(J): volume(I,J))<=1); @for(jobs(J): @sum(workers(I): volume(I,J))=1); @for(links(i,j): @bin(volume(i,j))); data: cost= 66.8 57.2 78 70 67.4 75.6 66 67.8 74.2 71 87 66.4 84.6 69.6 83.8 58.6 53 59.4 57.2 62.4; enddata end

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 ij x 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： ∑∑===6 18 1)(min i j ij ij x c x f ????? ??????≥===≤∑∑==08,,2,1,6,2,1,,. .6 1 8 1ij j i ij i j ij x j d x i a x t s ΛΛ

. 编程如下： model: Sets: Wh/w1..w6/:ai; Vd/v1..v8/:dj; links(wh,vd):c,x; endsets Data: ai=60,55,51,43,41,52; dj=35,37,22,32,41,32,43,38; c=6,2,6,7,4,2,5,9 4,9,5,3,8,5,8,2 5,2,1,9,7,4,3,3 7,6,7,3,9,2,7,1 2,3,9,5,7,2,6,5 5,5,2,2,8,1,4,3; Enddata Min=@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)); end Global optimal solution found.

利用Lingo解一个具体的运输问题例子

实验三：利用Lingo 解一个具体的运输问题例子 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运输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、Lingo 3、 实验内容 运输问题 问题P271 设有某种物资需要从m 个产地12,,...,m A A A 运到n 个销地12,,...,n B B B ,其中每个产地的生产量为 12,,...,m a a a ，每个销地的需求量为 12,,...,n b b b 。设从产地 i A 到销地 j B 的运费单价为 (1,2,...,, 1,2,..ij c i m j n ==，问如何调运可使总运费最少？ 3个产地4个销地的运输问题 建模 决策变量：决策变量就是产地i A 到销地j B 的运量ij x 目标函数： 1 1 m in m n ij ij i j z c x === ∑∑， 约束条件：第i 个产地的运出量应小于或等于该地的生产量，即 1 ,1,2,...,.n ij i j x a i m =≤=∑ 第j 个销地的运入量应等于该地的需求量，即

1 ,1,2,....m ij j i x b j n ===∑ 求解过程 编写模型程序： model : ! 3 Warehouse,4 Customer Transportation Problem; sets : Warehouse/1..3/:a; Customer/1..4/:b; Routes(warehouse,customer):c,x; endsets !here are the parameters; data : a=30,25,21; b=15,17,22,12; c=6,2,6,7, 4,9,5,3, 8,8,1,5; enddata ! The objective; [obj] min =@sum (routes:c*x); !The supply constraints; @for (warehouse(i):[sup]@sum (customer(j):x(i,j))<=a(i)); !The demand constraints; @for (customer(j):[dem] @sum (warehouse(i):x(i,j))=b(j)); end 计算结果： Global optimal solution found. Objective value: 161.0000 Total solver iterations: 6 Variable Value Reduced Cost A( 1) 30.00000 0.000000 A( 2) 25.00000 0.000000 A( 3) 21.00000 0.000000 B( 1) 15.00000 0.000000 B( 2) 17.00000 0.000000 B( 3) 22.00000 0.000000

lingo编程程序求解选址-运输问题

sets: factory/1..3/:s1,s2,s3,s4; !工厂四种产品供应量; warhouse/1..13/:lwar,fd,eva,yun,war1,war2,war3,war4,wq1,wq2,wq3,wq4; !配送中心最大仓储量、评价值、固定运营成本、库存成本以及库存量; customer/1..24/:d1,d2,d3,d4; !客户四种产品的需求量; tr/1..13/:z; link1(factory,warhouse):d,x1,x2,x3,x4; !工厂到客户的运输距离，四种产品的运输量; link2(warhouse,customer):dd,xx1,xx2,xx3,xx4,xxx1,xxx2,xxx3,xxx4; !物流中心到客户运输距离、运输量，未超出安全距离的运输量; endsets data: !供用量; s1=; s2=; s3=; s4=; !最大库存; lwar=; !安全距离; fd=; !需求量; d1=; d2=; d3=; d4=; !运输成本; tc=; ttc=; yun=;!运营成本; u=;!超出最佳半径的惩罚成本; w1=;w2=;w3=; !单位库存成本; war1=; war2=; war3=; war4=; d=;!各钢厂到备选配送中心距离; dd=;!备选配送中心到需求点的距离; enddata f1=@sum(link1(i,j):x1(i,j)*tc*d(i,j))+@sum(link1(i,j):x2(i,j)*tc*d(i,j) )+@sum(link1(i,j):x3(i,j)*tc*d(i,j))+@sum(link1(i,j):x4(i,j)*tc*d(i,j)) +@sum(link2(j,k):xx1(j,k)*ttc*dd(j,k))+@sum(link2(j,k):xx2(j,k)*ttc*dd( j,k))+@sum(link2(j,k):xx3(j,k)*ttc*dd(j,k))+@sum(link2(j,k):xx4(j,k)*tt c*dd(j,k))+@sum(warhouse(j):z(j)*yun)+

Lingo求解物流配送中心选址问题教学文稿

优化与统计建模试验 专业 学号： 姓名： 2015年5月24日

摘要 在优化与系统建模试验这门课程当中，我们学习了Lingo，Cplex这两种优化软件以及SPSS，R语言这两种统计软件，并且简单了解了如何进行优化求解，学会了如何对数据进行简单分析。本文运用了Lingo软件，对物流配送中心选址问题进行求解；采用优化软件Cplex对运输问题进行了求解，最后是使用了SPSS软件，对我国城镇居民消费进行统计分析。 关键词：Lingo；Cplex； SPSS 一、Lingo求解物流配送中心选址问题 设有4个备选物流配送中心地址，6个工厂为其供货，6个客户需要产品，最多设置3个物流配送中心，工厂到物流配送中心的运输价格见表1，物流配送中心到客户的运输价格见表2，工厂的总生产能力见表3，物流配送中心的固定成本、单位管理成本，及容量见表4，客户的需求量见表5 表1 工厂到配送中心的运输价格 表2 配送中心到客户的运输价格

表3 工厂的总生产能力 表4 备选物流配送中心的固定成本，单位管理成本，容量 表5 客户的需求量 利用Lingo软件求解以上混合整数规划，编程如下：model: sets: factory/p1..p6/:p; warhouse/w1..w4/:a,f,g; customer/c1..c6/:d; tr/tr1..tr4/:z; link1(factory,warhouse):c,w; link2(warhouse,customer):h,x; endsets data: p=40000,50000,60000,70000,60000,40000; a=70000,60000,70000,50000; f=500000,300000,400000,400000; g=3,2,5,4; d=10000,20000,10000,20000,30000,10000; c=6 5 4 2 2 3 4 9 6 8 7 5 7 4 2 3 4 2 5 1 3 4 1 7; h=3 2 7 4 7 5 6 1 4 2 5 3 2 4 5 3 6 8 5 6 3 7 4 6;

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+64x2 s.t. x1+x2≤50 12x1+8x2≤480 3x1≤100 x1≥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）。 以下解加工奶制品的生产计划问题： 由于LINGO中已假设所有的变量都是非负的，所以非负约束条件不必输入；LINGO也不区分变量中的大小写字符（实际上任何小写字符将被转换为大写字符）；约束条件中的“〈=”及“〉=”可用“〈”及