凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/  某糖果厂用原料A.B和C按不向比率混合加工而成甲.乙.丙三种糖果(假设混合加工中不损耗原料).原料A.B.C在糖果甲.乙.丙中的含量.原料成本.加工成本.原料限量及糖果售价如表所示.   问该厂对这三种糖果各生产多少公斤,使得到的利润最大? 含量(%) j号糖果 原料供应量 ai(公斤)   成本(元/公斤)  甲(1号)  乙(2号)  丙(3号) i号原料     A(1号)   ≥60%    ≥1

树:连通且不含圈的无向图称为树.常用T表示.树中的边称为树枝,树中度为1的顶点称为树叶. 生成树:若T是包含图G的全部顶点的子图,它又是树,则称T是G的生成树. 最小生成树:设T=(V,E1)是赋权图G=(V,E)的一棵生成树,称T中全部边上的权数之和为生成树的权,记为w(T),即w(T)=Σw(e).如果生成树T*的权w(T*)是G的所有生成树的权最小者,则称T*是G的最优树,即w(T*)=Σmin{w(T)}. 在许多实际问题中,如在许多城市间建立公路网.输电网或通信网,都可以归结为赋权图的

凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 造纸厂接到定单,所需卷纸的宽度和长度如表 卷纸的宽度 长度 5 7 9 10000 30000 20000 工厂生产1号(宽度10)和2号(宽度20)两种标准卷纸,其长度未加规定.现按定单要求对标准卷纸进行切割,切割后有限长度的卷纸可连接起来达到所需卷纸的长度.问如何安排切割计划以满足定单需求而使切割损失最小? 解:为了满足定单要求和使切割损失最小,我们可以使用多种切割方法来进行组合.此时,我们不但要考虑对

 凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 某公司现有资金30万元可用于投资,5年内有下列方案可供采纳:   1号方案:在年初投资1元,2年后可收回1.3元:   2号方案:在年初投资1元,3年后可收回1.45元:   3号方案:仅在第1年年初有一次投资机会.每投资1元,4年后可收回1.65元:  4号方案:仅在第2年年初有一次投资机会.每投资1元,4年后可收回1.7元:   5号方案.在年初存入银行1元,下一年初可得1.1元.   每年年初投资所

凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 说明: Lingo版本:                            某工厂明年根据合同,每个季度末向销售公司提供产品,有关信息如下表.若当季生产的产品过多,季末有积余,则一个季度每积压一吨产品需支付存贮费O.2万元.现该厂考虑明年的最佳生产方案,使该厂在完成合同的情况下,全年的生产费用最低.试建立模型. 季度j 生产能力aj(吨) 生产成本dj (万元/吨) 需求量bj(吨)     1    

第一步:输入目标条件和约束条件.每行以分号隔开.然后点击工具栏上的Solve按钮,或Lingo菜单下的Solve子菜单. 第二步:检查report中的结果. 默认情况下,Lingo不进行灵敏度分析. 需要在Lingo中一下配置才可以生成灵敏度分析报告:Lingo菜单>Options. General Solver选项卡>Dual Computations:Prices and Ranges. 然后点击Apply按钮. 重新点击Solve菜单和Range菜单以生成如下灵敏度分析报告(Range

model: sets: cities../:level; link(cities, cities): distance, x; !距离矩阵; endsets data: distance ; enddata n = @size(cities); !目标函数; min=@sum(link:distance * x); @For(cities(k): !进入城市k; ; !离开城市k; ; ); !保证不出现子圈; : #and# i#ne#j: ); ); !限制u的范围以加速模型的求解,保证所

大家好,我是小鸭酱,博客地址为:http://www.cnblogs.com/xiaoyajiang !钢管下料问题2(剩余材料最少) 题目: 钢管原料   每根19m 客户需求   4m   50根 5m   10根 6m   20根 8m   15根 如何下料最节省?; model : sets : H/1..3/ : x , y ; L/1..4/ : m , g ; link(H,L): r ; endsets data : m = 4 5 6 8 ; g = 50 10 20 15 ;

大家好,我是小鸭酱,博客地址为:http://www.cnblogs.com/xiaoyajiang !钢管下料问题1(钢管用量最少) 题目: 钢管原料   每根19m 客户需求   4m   50根 5m   10根 6m   20根 8m   15根 如何下料最节省?; model : sets : H/1..3/ : x ; L/1..4/ : m , g ; link(H,L): r ; endsets data : m = 4 5 6 8 ; g = 5010 20 15 ; endd

大家好,我是小鸭酱,博客地址为:http://www.cnblogs.com/xiaoyajiang !背包问题 题目: 8件物品   重量分别为 1,3,4,3,3,1,5,10 价值分别为 2,9,3,8,10,6,4,10 限制所带的物品总重量不超过15kg. 求 带哪几种物品使得总价值最大 ; model : sets : a/1..8/: weight , wealth ,strage ; endsets data : weight = 1 3 4 3 3 1 5 10 ; wealt

大家好,我是小鸭酱,博客地址为:http://www.cnblogs.com/xiaoyajiang !职员时序安排模型 题目: 一项工作一周七天都需要有人,每天所需的最少职工数为20,16,13,16,19,14,12.并要求每个职员一周连续工作五天.怎样安排使得职员总人数最少? ; model : sets : a/1..7/: start , day ; endsets data : day = 20 16 13 16 19 14 12 ; enddata min = @sum( a :

大家好,我是小鸭酱,博客地址为:http://www.cnblogs.com/xiaoyajiang model : sets : H/h1..h2/:x , y , e ; L/l1..l6/: a , b , d ; links(H,L) : s ; endsets data : 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 ; x = 5 2 ; y = 1 7 ; e =

巡回旅行商问题(Traveling Salesman Problem,TSP),也称为货郎担问题.该问题可简单描述为走遍n个城市的最短路.几十年来,出现了很多近似优化算法.如近邻法.贪心算法.最近插入法.最远插入法.模拟退火算法以及遗传算法. 问题1 设有一个售货员从10个城市中的某一个城市的出发,去其他9个城市推销产品.10个城市的距离已经给出.10个城市相互距离如下表.要求每个城市到达一次仅以此后,回到原出发城市.问:他如何选择旅行路线,使总路程最短. model: sets: city/1

1.线性规划模型: 2.使用python scipy.optimize linprog求解模型最优解: 在这里我们用到scipy中的linprog进行求解,linprog的用法见https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.linprog.html scipy.optimize.linprog(c, A_ub=None, b_ub=None, A_eq=None, b_eq=None, bounds=Non

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,建立的模型都都要在该窗口内编码实现.下面举两个例子. 例

<运筹学上机实验指导>分为两个部分,第一部分12学时,是与运筹学理论课上机同步配套的4个实验(线性规划.灵敏度分析.运输问题与指派问题.最短路问题和背包问题)的Excel.LONGO和LINDO求解方法和3个大综合作业,并配有解答和操作的视频:第二部分16学时,介绍LINGO求解运筹学中线性.整数等问题,主要侧重介绍解决大规模的运筹学问题,包含10个实验和1个综合大实验,并附有求解过程.答案及相应的视频,且答案经过上课检验全部正确.建议在上完“运筹学”的理论课和基本了解Excel.LONGO和

LINGO 中建立的优化模型可以由5个部分组成,或称为 5 段(section): (1)集合段(SETS):这部分要以"SETS:"开始,以"ENDSETS"结束,作用在于定义必要的集合变量(SET)及其元素(member,含义类似于数组的下标)和属性(attribute, 含义类似于数组). (2)目标与约束段:这部分实际上定义了目标函数.约束条件等,但这部分并不有段的 开始和结束标记,因此实际上就是除其他 4 个段(都有明确的段标记)外的 LINGO 模型.

内容介绍 本书深入浅出地介绍了LINGO的基础知识.用LINGO语言描述现实问题的方法和用Excel处理数据的方法,重点是这两种软件在解决各种优化问题以及在数学建模中的应用,通过丰富的实例介绍了把实际问题转化为数学模型的方法,以及综合运用LINGO等软件来求解模型的手段和技巧. 本书的主要内容包括LINGO的基本用法.LINGO在图论和网络模型中的应用.用LINGO求解非线性规划和多目标规划.LINGO与其他软件之间的数据传递.Excel在数学建模中的应用和LINGO在数学建模中的应用实例等.

前言 LINGO 作为非线性规划运算的专用软件,得出结果一般都是纯文本的一列数据,要想将数据呈现到论文当中,需要整理到 EXCEL 中,使用复制粘贴容易出错还费时,所以必须要动用函数来提高效率! 案例场景 有这样一个例子,求发电机厂一天7各时段对4台不同机型的发电机分配开启数量以及输出功率,用LINGO求解,最后需要将7*4=28的数量数据N,以及对应功率P,输出到EXCEL中.如下图所示: 这里的台数和功率都是7行4列的数据. 而利用LINGO算出来的纯文本导出数据长这样: 没错,就这种一路排

求解多目标规划的思路 1.加权系数法 为每一个目标加一个权系数,把多目标模型转化成单一目标模型.但是困难时确定合理的权系数,以反映不同目标之间的重要程度. 2.优先等级法 将各目标按其重要程度分为不同的优先等级,转化为单目标模型. 3.有效解法 寻求能够照顾到各个目标,并使决策者感到满意的解.由决策者来确定选取哪一个解,即得到满意的解.但是有效解太多,无法挑选 一.目标规划的数学模型 1.正.负偏差变量 2.绝对约束和目标约束 (1)绝对约束:一定要达到的要求,线性规划的约束条件都是 (2)软约