1、2019/5/26,数学建模,数学建模暑期培训班,数学建模,王 磊,2019/5/26,数学建模,简要提纲,1. 优化软件简介2. LINDO / LINGO软件的简单使用简介3. 建模与求解实例（结合软件使用）4. LINGO软件基本使用方法,2019/5/26,数学建模,1. 优化软件简介,2019/5/26,数学建模,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:,优化模型和优化软件的重要意义,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,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),(最)优化:在一定条件下,寻求
2、使目标最大(小)的决策,CUMCM赛题：约一半以上与优化有关，需用软件求解,2019/5/26,数学建模,运筹学(OR: Operations/Operational Research) 管理科学(MS: Management Science) 决策科学 (DS: Decision Science),(最)优化理论是运筹学的基本内容,无约束优化,OR/MS/DS,优化(Optimization), 规划(Programming),线性规划,非线性规划,网络优化,组合优化,整数规划,不确定规划,多目标规划,目标规划,动态规划,2019/5/26,数学建模,优化问题三要素：决策变量；目标函数；约束
3、条件,优化问题的一般形式,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）,2019/5/26,数学建模,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,其中,局部最优解,全局最优解,必要条件,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,2019/5/26,数学建模,约束优化的 简单分类,线性规划(LP) 目标和约束均为线性函数非线性规划(NLP) 目标或约束中存在非线性函数二次规划(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)为整数整数线性规划(ILP)，整数非线性规划(INLP)纯整
4、数规划(PIP), 混合整数规划(MIP) 一般整数规划，0-1（整数）规划,连续优化,离散优化,数学规划,2019/5/26,数学建模,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,2019/5/26,数学建模,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,无约束优化,非线性 极小 fminunc,非光滑(不可 微)优化 fminsearch,非线性 方程(组)fzero fsolve,全局 优化暂缺,非线性 最小二乘l
5、sqnonlin lsqcurvefit,线性规划 linprog,纯0-1规划 bintprog 一般IP(暂缺),非线性规划 fmincon fminimax fgoalattain fseminf,上下界约束 fminbnd fmincon lsqnonlin lsqcurvefit,约束线性 最小二乘lsqnonneg lsqlin,约束优化,二次规划 quadprog,2019/5/26,数学建模,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.
6、）， 网址：http:/,LINDO: Linear INteractive and Discrete Optimizer (V6.1) LINGO: Linear INteractive General Optimizer (V9.0) LINDO API: LINDO Application Programming Interface (V3.0) Whats Best!: (SpreadSheet e.g. EXCEL) (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）,2019/5/26,数学建模,LINDO和LINGO软件能求解的优化模
7、型,LINGO,LINDO,优化模型,线性规划 (LP),非线性规划 (NLP),二次规划 (QP),连续优化,整数规划(IP),2019/5/26,数学建模,LP QP NLP IP 全局优化(选) ILP IQP INLP,LINDO/LINGO软件的求解过程,LINDO/LINGO预处理程序,线性优化求解程序,非线性优化求解程序,分枝定界管理程序,1. 确定常数 2. 识别类型,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),2019/5/26,数学建模,建模时需要注意的几个基本问题
8、,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x5y） 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),2019/5/26,数学建模,3. LINDO / LINGO软件的使用简介,2019/5/26,数学建模,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
9、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,2019/5/26,数学建模,例1 加工奶制品的生产计划,50桶牛奶,时间480小时,至多加工100公斤A1,制订生产计划，使每天获利最大,35元可买到1桶牛奶，买吗？若买，每天最多买多少?,可聘用临时工人，付出的工资最多是每小时几元?,A1的获利增加到 30元/公斤，应否改变生产计划？,每天：,2019/5/26,数学建模,x1桶牛奶生产A1,x2桶牛奶生产A2,获利 243x1,获利 164 x2,原料供应,劳动时间,加工能力,决策变量,目标函数,每天获利,约束条件,非负约束,线性规划模型
10、(LP),时间480小时,至多加工100公斤A1,2019/5/26,数学建模,模型求解,max 72x1+64x2 st 2）x1+x250 3）12x1+8x2480 4）3x1100 end,OBJECTIVE FUNCTION VALUE1) 3360.000VARIABLE VALUE REDUCED COSTX1 20.000000 0.000000X2 30.000000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.000000 48.0000003) 0.000000 2.0000004) 40.000000 0.000000NO.
11、 ITERATIONS= 2,DO RANGE (SENSITIVITY) ANALYSIS?,No,20桶牛奶生产A1, 30桶生产A2，利润3360元。,2019/5/26,数学建模,模型求解,reduced cost值表示当该非基变量增加一个单位时（其他非基变量保持不变）目标函数减少的量(对max型问题),OBJECTIVE FUNCTION VALUE1) 3360.000VARIABLE VALUE REDUCED COSTX1 20.000000 0.000000X2 30.000000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.00
12、0000 48.0000003) 0.000000 2.0000004) 40.000000 0.000000NO. ITERATIONS= 2,也可理解为： 为了使该非基变量变成基变量，目标函数中对应系数应增加的量,2019/5/26,数学建模,OBJECTIVE FUNCTION VALUE1) 3360.000VARIABLE VALUE REDUCED COSTX1 20.000000 0.000000X2 30.000000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.000000 48.0000003) 0.000000 2.00000
13、04) 40.000000 0.000000,原料无剩余,时间无剩余,加工能力剩余40,max 72x1+64x2 st 2）x1+x250 3）12x1+8x2480 4）3x1100 end,三种资源,“资源” 剩余为零的约束为紧约束（有效约束）,结果解释,2019/5/26,数学建模,OBJECTIVE FUNCTION VALUE1) 3360.000VARIABLE VALUE REDUCED COSTX1 20.000000 0.000000X2 30.000000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.000000 48.000
14、0003) 0.000000 2.0000004) 40.000000 0.000000,结果解释,最优解下“资源”增加1单位时“效益”的增量,原料增1单位, 利润增48,时间加1单位, 利润增2,能力增减不影响利润,影子价格,35元可买到1桶牛奶，要买吗？,35 48, 应该买！,聘用临时工人付出的工资最多每小时几元？,2元！,2019/5/26,数学建模,RANGES IN WHICH THE BASIS IS UNCHANGED:OBJ COEFFICIENT RANGESVARIABLE CURRENT ALLOWABLE ALLOWABLECOEF INCREASE DECREASE
15、X1 72.000000 24.000000 8.000000X2 64.000000 8.000000 16.000000RIGHTHAND SIDE RANGESROW CURRENT ALLOWABLE ALLOWABLERHS INCREASE DECREASE2 50.000000 10.000000 6.6666673 480.000000 53.333332 80.0000004 100.000000 INFINITY 40.000000,最优解不变时目标系数允许变化范围,DO RANGE(SENSITIVITY) ANALYSIS?,Yes,x1系数范围(64,96),x2系数
16、范围(48,72),A1获利增加到 30元/千克，应否改变生产计划,x1系数由243= 72 增加为303= 90，在允许范围内,不变！,(约束条件不变),结果解释,2019/5/26,数学建模,结果解释,RANGES IN WHICH THE BASIS IS UNCHANGED:OBJ COEFFICIENT RANGESVARIABLE CURRENT ALLOWABLE ALLOWABLECOEF INCREASE DECREASEX1 72.000000 24.000000 8.000000X2 64.000000 8.000000 16.000000RIGHTHAND SIDE R
17、ANGESROW CURRENT ALLOWABLE ALLOWABLERHS INCREASE DECREASE2 50.000000 10.000000 6.6666673 480.000000 53.333332 80.0000004 100.000000 INFINITY 40.000000,影子价格有意义时约束右端的允许变化范围,原料最多增加10,时间最多增加53,35元可买到1桶牛奶，每天最多买多少？,最多买10桶？,(目标函数不变),注意: 充分但可能不必要,2019/5/26,数学建模,使用LINDO的一些注意事项,“”（或“=”（或“=”）功能相同 变量与系数间可有空格(甚至
18、回车), 但无运算符 变量名以字母开头，不能超过8个字符 变量名不区分大小写（包括LINDO中的关键字） 目标函数所在行是第一行，第二行起为约束条件 行号(行名)自动产生或人为定义。行名以“）”结束 行中注有“!”符号的后面部分为注释。如: ! Its Comment. 在模型的任何地方都可以用“TITLE” 对模型命名（最多72个字符），如： TITLE This Model is only an Example,2019/5/26,数学建模,变量不能出现在一个约束条件的右端 表达式中不接受括号“( )”和逗号“,”等任何符号, 例: 400(X1+X2)需写为400X1+400X2 表达式
19、应化简，如2X1+3X2- 4X1应写成 -2X1+3X2 缺省假定所有变量非负；可在模型的“END”语句后用“FREE name”将变量name的非负假定取消 可在 “END”后用“SUB” 或“SLB” 设定变量上下界例如： “sub x1 10”的作用等价于“x1=10”但用“SUB”和“SLB”表示的上下界约束不计入模型的约束，也不能给出其松紧判断和敏感性分析。 14. “END”后对0-1变量说明：INT n 或 INT name 15. “END”后对整数变量说明：GIN n 或 GIN name,使用LINDO的一些注意事项,2019/5/26,数学建模,二次规划(QP)问题,L
20、INDO可求解二次规划(QP)问题，但输入方式较复杂，因为在LINDO中不许出现非线性表达式 需要为每一个实际约束增加一个对偶变量（LAGRANGE乘子），在实际约束前增加有关变量的一阶最优条件，转化为互补问题 “END”后面使用QCP命令指明实际约束开始的行号，然后才能求解 建议总是用LINGO解QP注意对QP和IP: 敏感性分析意义不大,2019/5/26,数学建模,状态窗口（LINDO Solver Status）,当前状态：已达最优解 迭代次数：18次 约束不满足的“量”(不是“约束个数”)：0 当前的目标值：94 最好的整数解：94 整数规划的界：93.5 分枝数：1 所用时间：0.
21、00秒（太快了，还不到0.005秒） 刷新本界面的间隔:1(秒),2019/5/26,数学建模,选项设置,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（如当知道当前模型的某个整数可行解时，就可以设置这个值）；IP Var Fixing Tol：固定一个整数变量取值所依据的一个
22、上限（如果一个整数变量的判别数（REDUCED COST）的值很大，超过该上限，则以后求解中把该整数变量固定下来）。,Nonzero Limit： 非零系数的个数上限； Iteration Limit： 最大迭代步数； Initial Contraint Tol： 约束的初始误差上限； Final Contraint Tol： 约束的最后误差上限； Entering Var Tol： 进基变量的REDUCED COST的误差限； Pivot Size Tol： 旋转元的误差限,2019/5/26,数学建模,Report/Statistics,第一行：模型有5行（约束4行），4个变量，两个整数变
23、量（没有0-1变量），从第4行开始是二次规划的实际约束。 第二行：非零系数19个，约束中非零系数12个(其中6个为1或-1)，模型密度为0.760(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0.3和277。 第四行的意思：模型目标为极小化；小于等于、等于、大于等于约束分别有、个；广义上界约束（GUBS）不超过个；变量上界约束（VUBS）不少于个。所谓GUBS，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X1=0，X2=0（因为有非负限制），因此X1+X2-X3=0是一个VUB
24、S约束。 第五行的意思：只含个变量的约束个数=个；冗余的列数=个,ROWS= 5 VARS= 4 INTEGER VARS= 2( 0 = 0/1) QCP= 4 NONZEROS= 19 CONSTRAINT NONZ= 12( 6 = +-1) DENSITY=0.760 SMALLEST AND LARGEST ELEMENTS IN ABSOLUTE VALUE= 0.300000 277.000 OBJ=MIN, NO. : 2 0 2, GUBS = 0 SINGLE COLS= 0 REDUNDANT COLS= 0,2019/5/26,数学建模,LINDO行命令、命令脚本文件,
25、批处理：可以采用命令脚本（行命令序列）,WINDOWS环境下行命令的意义不大,Example 演示,用FILE / TAKE COMMANDS (F11) 命令调入,必须是以LINDO PACKED形式（压缩）保存的文件,FILE / SAVE命令,SAVE行命令,2019/5/26,数学建模,LINGO软件简介,目标与约束段集合段（SETS ENDSETS）数据段（DATA ENDDATA）初始段（INIT ENDINIT）计算段 (CALC ENDCALC) - LINGO9.0,LINGO模型的构成：5个段,LINGO模型的优点,包含了LINDO的全部功能提供了灵活的编程语言（矩阵生成器
26、）,2019/5/26,数学建模,LINGO模型 例：选址问题,某公司有6个建筑工地，位置坐标为(ai, bi) (单位：公里),水泥日用量di (单位：吨）,假设：料场和工地之间有直线道路,2019/5/26,数学建模,用例中数据计算，最优解为,总吨公里数为136.2,线性规划模型,决策变量：ci j (料场j到工地i的运量）12维,2019/5/26,数学建模,选址问题：NLP,2）改建两个新料场，需要确定新料场位置(xj,yj)和运量cij ，在其它条件不变下使总吨公里数最小。,决策变量： ci j，(xj,yj)16维,非线性规划模型,2019/5/26,数学建模,LINGO模型的构成
27、：4个段,集合段（SETS ENDSETS）,数据段（DATA ENDDATA）,初始段（INIT ENDINIT）,目标与 约束段,局部最优：89.8835(吨公里 ),LP：移到数据段,2019/5/26,数学建模,边界,2019/5/26,数学建模,集合的类型,集合派生集合 基本集合稀疏集合 稠密集合元素列表法 元素过滤法 直接列举法 隐式列举法,setname /member_list/ : attribute_list;,setname(parent_set_list) /member_list/ : attribute_list;,SETS:CITIES /A1,A2,A3,B1,
28、B2/;ROADS(CITIES, CITIES)/ A1,B1 A1,B2 A2,B1 A3,B2/:D; ENDSETS,SETS:STUDENTS /S1S8/;PAIRS( STUDENTS, STUDENTS) | ENDSETS,2019/5/26,数学建模,集合元素的隐式列举,2019/5/26,数学建模,运算符的优先级,三类运算符：算术运算符 逻辑运算符 关系运算符,2019/5/26,数学建模,集合循环函数,四个集合循环函数：FOR、SUM 、 MAX、MIN function( setname ( set_index_list) | condition : expressi
29、on_list);,objective MAX = SUM( PAIRS( I, J): BENEFIT( I, J) * MATCH( I, J);FOR(STUDENTS( I): constraintsSUM( PAIRS( J, K) | J #EQ# I #OR# K #EQ# I: MATCH( J, K) =1);FOR(PAIRS( I, J): BIN( MATCH( I, J);MAXB=MAX(PAIRS( I, J): BENEFIT( I, J);MINB=MIN(PAIRS( I, J): BENEFIT( I, J);,Example:,2019/5/26,数学建
30、模,状态窗口,Solver Type: B-and-B Global Multistart,Model Class:LP， QP，ILP， IQP，PILP, PIQP，NLP，INLP，PINLP,State: Global Optimum Local Optimum Feasible Infeasible Unbounded Interrupted Undetermined,2019/5/26,数学建模,7个选项卡(可设置80-90个控制参数),2019/5/26,数学建模,程序与数据分离,文 本 文 件,使用外部数据文件,Cut (or Copy) Paste 方法 FILE 输入数据、
31、TEXT输出数据（文本文件） OLE函数与电子表格软件（如EXCEL）连接 ODBC函数与数据库连接 LINGO命令脚本文件,LG4 （LONGO模型文件） LNG （LONGO模型文件） LTF （LONGO脚本文件） LDT （LONGO数据文件） LRP （LONGO报告文件）,常用文件后缀,2019/5/26,数学建模,FILE和TEXT：文本文件输入输出,MODEL: SETS:MYSET / FILE(myfile.txt) / : FILE(myfile.txt); ENDSETS MIN = SUM( MYSET( I):SHIP( I) * COST( I);FOR( MYS
32、ET( I): CON1 SHIP( I) NEED( I);CON2 SHIP( I) SUPPLY( I); DATA:COST = FILE(myfile.txt);NEED = FILE(myfile.txt);SUPPLY = FILE(myfile.txt);TEXT(result.txt)=SHIP, DUAL(SHIP), DUAL(CON1); ENDDATA END,myfile.txt文件 的内容、格式：Seattle,Detroit,Chicago,Denver COST,NEED,SUPPLY,SHIP 12,28,15,20 1600,1800,1200,1000
33、1700,1900,1300,1100,演示 MyfileExample.lg4,2019/5/26,数学建模,OLE ：与EXCEL连接,MODEL: SETS:MYSET: COST,SHIP,NEED,SUPPLY; ENDSETS MIN = SUM( MYSET( I): SHIP( I) * COST( I);FOR( MYSET( I): CON1 SHIP( I) NEED( I);CON2 SHIP( I) SUPPLY( I); DATA:MYSET =OLE(D:JXIEBJ2004MCMmydata.xls,CITIES); COST,NEED,SUPPLY =OLE(
34、mydata.xls); OLE(mydata.xls,SOLUTION)=SHIP; ENDDATA END,mydata.xls文件中必须有下列名称(及数据)：CITIES， COST，NEED，SUPPLY，SOLUTION,在EXCEL中还可以通过“宏”自动调用LINGO(略) 也可以将EXCEL表格嵌入到LINGO模型中(略),演示 MydataExample.lg4,2019/5/26,数学建模,ODBC ：与数据库连接,输入基本集合元素： setname/ODBC(datasource , tablename , columnname)/ 输入派生集合元素： setname/OD
35、BC(source,table , column1, column2)/,目前支持下列DBMS: (如为其他数据库，则需自行安装驱动) ACCESS， DBASE，EXCEL，FOXPRO，ORACLE， PARADOX，SQL SERVER， TEXE FILES,使用数据库之前，数据源需要在ODBC管理器注册,输入数据： Attr_list=ODBC(source,table , column1, column2) 输出数据： ODBC(source,table , column1, column2)= Attr_list,具体例子略,2019/5/26,数学建模,4. 建模与求解实例（结
36、合软件使用）,2019/5/26,数学建模,建模实例与求解,最短路问题飞机定位露天矿的运输问题钢管运输问题,2019/5/26,数学建模,例 最短路问题,求各点到T的最短路,2019/5/26,数学建模,0,y,x,VOR2 x=629, y=375,309.00 (1.30),864.3(2.0),飞机 x=?, y=?,VOR1 x=764, y=1393,161.20 (0.80),VOR3 x=1571, y=259,45.10 (0.60),北,DME x=155, y=987,飞机与监控台（图中坐标和测量距离的单位是“公里”）,实例: 飞机精确定位问题,2019/5/26,数学建模
37、,飞机精确定位模型,2019/5/26,数学建模,飞机精确定位模型,第1类模型: 不考虑误差因素,超定方程组， 非线性最小二乘！,量纲不符！ ？,2019/5/26,数学建模,飞机精确定位模型,第2类模型: 考虑误差因素(作为硬约束),Min x; Min y; Max x; Max y.,以距离为约束，优化角度误差之和（或平方和）； 或以角度为约束，优化距离误差.,非线性规划,？,？ 仅部分考虑误差! 角度与距离的“地位”不应不同！,有人也可能会采用其他目标，如：,误差非均匀分布！,2019/5/26,数学建模,飞机精确定位模型,误差一般服从什么分布？,正态分布！,不同的量纲如何处理？,无约
38、束非线性最小二乘模型,归一化处理！,shili0702.m,飞机坐标(978.31，723.98), 误差平方和0.6685 ( 4),角度需要进行预处理，如利用 Matlab的atan2函数, 值域(-pi, pi),第3类模型: 考虑误差因素(作为软约束); 且归一化,2019/5/26,数学建模,飞机精确定位模型,小技巧: LINGO中没有atan2函数, 怎么办？,可以直接利用tan函数！,exam0507c.lg4,同前面的模型/结果,飞机坐标(980.21，727.30 ), 误差平方和2.6 与前面的结果有所不同, 为什么? 哪个模型合理些?,最后: 思考以下模型:,exam05
39、07d.lg4,2019/5/26,数学建模,露天矿里铲位已分成矿石和岩石: 平均铁含量不低于25%的为矿石，否则为岩石。每个铲位的矿石、岩石数量，以及矿石的平均铁含量（称为品位）都是已知的。每个铲位至多安置一台电铲，电铲平均装车时间5分钟,卡车在等待时所耗费的能量也是相当可观的，原则上在安排时不应发生卡车等待的情况。,露天矿生产的车辆安排(CUMCM-2003B),矿石卸点需要的铁含量要求都为29.5%1%(品位限制），搭配量在一个班次（8小时）内满足品位限制即可。卸点在一个班次内不变。卡车载重量为154吨，平均时速28km,平均卸车时间为3分钟。,问题：出动几台电铲，分别在哪些铲位上；出动
40、几辆卡车，分别在哪些路线上各运输多少次 ?,2019/5/26,数学建模,平面示意图,2019/5/26,数学建模,问题数据,2019/5/26,数学建模,问题分析,与典型的运输问题明显有以下不同： 这是运输矿石与岩石两种物资的问题； 属于产量大于销量的不平衡运输问题； 为了完成品位约束，矿石要搭配运输； 产地、销地均有单位时间的流量限制； 运输车辆只有一种，每次满载运输，154吨/车次； 铲位数多于铲车数意味着要最优的选择不多于7个产地作为最后结果中的产地； 最后求出各条路线上的派出车辆数及安排。,近似处理： 先求出产位、卸点每条线路上的运输量(MIP模型) 然后求出各条路线上的派出车辆数及
41、安排,2019/5/26,数学建模,模型假设,卡车在一个班次中不应发生等待或熄火后再启动的情况； 在铲位或卸点处由两条路线以上造成的冲突问题面前，我们认为只要平均时间能完成任务，就认为不冲突。我们不排时地进行讨论； 空载与重载的速度都是28km/h，耗油相差很大； 卡车可提前退出系统，等等。,如理解为严格不等待，难以用数学规划模型来解 个别参数队找到了可行解 （略）,2019/5/26,数学建模,符号,xij ：从i铲位到j号卸点的石料运量 （车） 单位： 吨； cij ：从i号铲位到j号卸点的距离 公里； Tij :从i号铲位到号j卸点路线上运行一个周期平均时间 分； Aij ：从号铲位到号
42、卸点最多能同时运行的卡车数 辆； Bij ：从号铲位到号卸点路线上一辆车最多可运行的次数 次； pi：i号铲位的矿石铁含量 p=(30,28,29,32,31,33,32,31,33,31) % qj : j号卸点任务需求，q=(1.2,1.3,1.3,1.9,1.3)*10000 吨 cki ：i号铲位的铁矿石储量 万吨 cyi ：i号铲位的岩石储量 万吨 fi :描述第i号铲位是否使用的0-1变量，取1为使用；0为关闭。,(近似),2019/5/26,数学建模,优化模型,（1）道路能力(卡车数)约束（2）电铲能力约束（3）卸点能力约束（4）铲位储量约束（5）产量任务约束（6）铁含量约束（7
43、）电铲数量约束（8）整数约束,.,xij为非负整数 fi 为0-1整数,2019/5/26,数学建模,计算结果（LINGO软件）,注: LINGO8.0本来是可以得到最优解的，但有些LINGO8.0可能出现系统错误, 可能是系统BUG,2019/5/26,数学建模,计算结果（派车）,结论： 铲位1、2、3、4、8、9、10处各放置一台电铲。 一共使用了13辆卡车；总运量为85628.62吨公里； 岩石产量为32186吨；矿石产量为38192吨。,此外：6辆联合派车（方案略）,2019/5/26,数学建模,最大化产量,结论： （略）,目标函数变化此外：车辆数量（20辆）限制（其实上面的模型也应该
44、有）,2019/5/26,数学建模,主要参考文献,谢金星, 薛毅: 优化建模与LINDO/LINGO软件, 清华大学出版社, 2005年7月出版.http:/ 运算符和函数4. LINGO的主要菜单命令5. LINGO命令窗口 6.习题,2019/5/26,数学建模,1. LINGO入门,LINGO入门2.在LINGO中使用集合3. 运算符和函数4. LINGO的主要菜单命令5. LINGO命令窗口 6.习题,2019/5/26,数学建模,安装文件20M多一点，需要接受安装协议、选择安装目录（缺省C:LINGO9）。,LINGO软件的安装,安装过程: 与LINDO for Windows类似.
45、,安装完成前，在出现的对话框(如图)中选择缺省的建模(即编程)语言，系统推荐的是采用LINGO。安装后可通过“LINGO|Options|File Format”命令修改缺省的建模（即编程）语言。,2019/5/26,数学建模,第一次运行时提示输入授权密码，如图：,2019/5/26,数学建模,LINGO软件的主要特色,两种命令模式,Windows模式： 通过下拉式菜单命令驱动LINGO运行（多数菜单命令有快捷键，常用的菜单命令有快捷按钮），图形界面，使用方便；,命令行 模式：仅在命令窗口(Command Window)下操作，通过输入行命令驱动LINGO运行 。,(这里主要介绍这种模式),2
46、019/5/26,数学建模,从LINDO 到 LINGO,LINGO 9.0功能增强，性能稳定，解答结果可靠。与LINDO相比，LINGO 软件主要具有两大优点:,内置建模语言，允许以简练、直观的方式描述较大规模的优化问题，所需的数据可以以一定格式保存在独立的文件中。,除具有LINDO的全部功能外，还可用于求解非线性规划问题，包括非线性整数规划问题;,2019/5/26,数学建模,在LINGO中使用LINDO模型,LINGO的界面,LINGO软件的主窗口（用户界面），所有其他窗口都在这个窗口之内。,模型窗口（Model Window），用于输入LINGO优化模型（即LINGO程序）。,状态行（最左边显示“Ready”，表示 “准备就绪”）,当前时间,当前光标的位置,2019/5/26,数学建模,LINGO的文件类型,.LG4：LINGO格式的模型文件，保存了模型窗口中所能够看到的所有文本和其他对象及其格式信息； .LNG：文本格式的模型文件，不保存模型中的格式信息（如字体、颜色、嵌入对象等）； .LDT：LINGO数据文件； .LTF：LINGO命令脚本文件； .LGR：LINGO报告文件； .LTX： LINDO格式的模型文件； .MPS：示MPS（数学规划系统）格式的模型文件。,
