model:

data:

LY_K=0.002;

enddata

sets:

!1-72个科目每个科目的书号数;

number/1..72/:anum;

link(number);

!每个书号的平均价格;

price/1..72/:p;

!单位书号的销售量 预测2006年的;

perSH/1..72/:per;

!1-72个科目2006年的申报数;

ShenBao/1..72/:SBnum;

!1-72个学科每个学科的满意度;

QiangShi/1..72/:QSDnum;

themax/1..72/:maxbrn;

themin/1..72/:minbrn;

endsets

data:

!每个科目的价格;

p=25.8 25.5 28 26 24.7 25.6 27 22.9 25.9 24.5 26.4

27.3 24.9 27.5 23.5 23.5 25.7 32.9 31.5 35.3 21 20.2

24.8 19.6 18.6 23.3 13.1 18.4 22.5 25.7 34.4 18.7 33

20.6 27.9 21.4 11.4 31.3 23.5 32.3 14.7 18.8 26.6 16.7

13.4 14.8 17.5 24.2 22.5 32.3 20.8 21.6 23 35.4 20

23.6 25.6 28 18.9 26.7 21.5 32.4 24 23.8 18.2 22.7

37.5 22.2 20.7 22.7 24.3 32.2;

!预测2006年单位书号的销售量;

per=303 417 235 293 189 324 514 68 430 469 1693

2256 514 1183 381 667 805 601 3202 1403 707 943

9444 1386 1832 2887 720 652 495 3044 795 526 883

330 547 274 80 847 415 408 6719 8179 9415 4991 22468

8605 4426 1280 744 349 467 901 1559 1262 450 1067

522 208 980 485 233 633 619 793 294 1466 609 483 597 464 651 1182;

!申报数;

SBnum=18 18 4 6 6 16 12 6 16 8 8 4 4 4 6 6 6 8 6 4 12

38 52 8 24 34 12 6 24 12 40 4 2 22 8 16 6 6 10 6 4 10

8 10 6 8 12 14 18 4 10 16 4 8 4 4 4 4 4 10 8 8 8 8 4

4 8 10 8 6 4 4;

!最小值;

minbrn=9 9 2 5 5 8 7 3 8 4 4 2 2 2 3 3 4 4 3 4

6 19 26 5 12 17 6 3 12 6 20 2 1 12 4 8 4 3 5

3 2 5 4 5 3 4 6 8 9 2 5 8 2 4 2 2 2 2 2 6 4 4

4 4 3 3 4 5 4 3 2 2;

!最大值;

maxbrn=17 17 4 11 11 16 13 5 13 6 8 4 4 2 7 4

8 8 7 12 14 37 54 9 17 32 7 4 23 12 35

6 0 24 8 18 8 2 10 2 1 8 4 14 2 8 11 18 20 1 11

12 2 5 0 1 4 3 3 10 12 8 6 7 5 5 8 10 11 7 2 4;

!强势度;

QSDnum=0.131991725 0.051638823 0.146085315 0.206857543 0

0.07416615 0.152560996 0.108649619 0.173819895 0.247067844

0.51543091 0.420551551 0.008330198 0.104396816 0.306446938

0.120455853 0.407474312 0.128449675 0.353964376 0.451080634

0.271198513 0.727681569 1 0.605229637 0.703327274 0.607248301

0.755746194 0.191524734 0.296030919 0.396618877 0.07036448

0.158589935 0.281292614 0.357099428 0.343493752 0.356602354

0.333964964 0.12823599 0.276531313 0.376264664 0.24546387

0.328891682 0.343940617 0.286953176 0.383573713 0.321580332

0.305769187 0.359836365 0.466671308 0.194701972 0.391536963

0.69316555 0.511280626 0.527364935 0.518979433 0.397527973

0.480554583 0.057503481 0.775428378 0.709538033 0.749738819

0.711360233 0.619606857 0.746627333 0.283063235 0.714191386

0.599737024 0.640177636 0.752452392 0.604555314 0.385286795 0.688381201;

enddata

!min=@sum(link:p*anum*per)*LY_K;

!min=@sum(link:anum*QSDnum);

max=lanbd;

@sum(link:p*anum*per)*LY_K-24190*lanbd>37063.34;

@sum(link:anum*QSDnum)-65.594*lanbd>183.8475;

!总书号约束;

@sum(number:anum)=500;

!每个出版社能力分工;

@sum(number(i)|(i #ge# 1) #and# (i #le# 10):anum)<114;

@sum(number(i)|(i #ge# 11) #and# (i #le# 20):anum)<114;

@sum(number(i)|(i #ge# 21) #and# (i #le# 30):anum)<153;

@sum(number(i)|(i #ge# 31) #and# (i #le# 40):anum)<102;

@sum(number(i)|(i #ge# 41) #and# (i #le# 48):anum)<111;

@sum(number(i)|(i #ge# 49) #and# (i #le# 54):anum)<72;

@sum(number(i)|(i #ge# 55) #and# (i #le# 60):anum)<44;

@sum(number(i)|(i #ge# 61) #and# (i #le# 66):anum)<63;

@sum(number(i)|(i #ge# 67) #and# (i #le# 72):anum)<72;

!每个出版社必须大于自己申请数量的一半;

@for(number(i):anum(i)>SBnum(i)/2);

@for(number(i):anum(i)>minbrn(i));

@for(number(i):anum(i)<SBnum(i));

@for(number(i):@GIN(anum(i)));

end

转载于:https://www.cnblogs.com/cntsw/p/3941054.html

Lingo 优化实例 出版社问题相关推荐

  1. (转载)Android项目实战(二十八):使用Zxing实现二维码及优化实例

    Android项目实战(二十八):使用Zxing实现二维码及优化实例 作者:听着music睡 字体:[增加 减小] 类型:转载 时间:2016-11-21 我要评论 这篇文章主要介绍了Android项 ...

  2. 22_2D函数优化实例

    1.19. 2D函数优化实例 为了演示优化神经网络参数得到loss极小值的过程,和不同初始值可能产生不同的极值点,在此引入了如下图所示函数: 从图中可以看出该函数2D图像呈碗状,有四个极小值点,它的极 ...

  3. mysql 组合索引 or_mysql索引优化实例(单列索引与组合索引)

    索引一般用于在数据规模大时对查询进行优化的一种机制,对于一般的查询来说,mysql会去遍历整个表,来查询符合要求的结果: 如果借助于mysql索引,mysql会将要索引的字段按照一定的算法进行处理,并 ...

  4. KISSY基础篇乄KISSY之优化实例

    KISSY之优化实例 今日任务:拆合菜单代码优化重构 这一节我们主要来看一下拆合菜单进行代码优化重构后的效果. 一.测试页面代码 <div id="content"> ...

  5. 用matlab进行批量优化,多目标优化实例和matlab程序

    <多目标优化实例和matlab程序>由会员分享,可在线阅读,更多相关<多目标优化实例和matlab程序(2页珍藏版)>请在人人文库网上搜索. 1.NSGA-II 算法实例目前的 ...

  6. ABC人工蜂群算法求解函数优化实例C++(2020.11.5)

    ABC人工蜂群算法C++ 人工蜂群算法 1.原理 2.算法流程 3.函数优化实例 4.求解函数优化的ABC源代码C++ 人工蜂群算法 1.原理 最常见的基于蜜蜂采蜜行为的蜂群算法是Karaboga(2 ...

  7. 【视频】支持向量机SVM、支持向量回归SVR和R语言网格搜索超参数优化实例

    最近我们被客户要求撰写关于SVM的研究报告,包括一些图形和统计输出. 什么是支持向量机 (SVM)? 我们将从简单的理解 SVM 开始. [视频]支持向量机SVM.支持向量回归SVR和R语言网格搜索超 ...

  8. Android ListView性能优化实例讲解

    前言: 对于ListView,大家绝对都不会陌生,只要是做过Android开发的人,哪有不用ListView的呢? 只要是用过ListView的人,哪有不关心对它性能优化的呢? 关于如何对ListVi ...

  9. xpress-mp优化实例精选_量化研究每周精选-20170711

    本周为大家精选了5项机器学习/深度学习在量化投资中的相关资源,机器学习/深度学习是偏实践性学科,只有不断实践才能有所收获,纸上得来终觉浅,绝知此事要躬行!BigQuant拥有海量的数据和主流开源框架, ...

最新文章

  1. 腾讯发现Google Home首个无接触攻破漏洞
  2. java web容器_Java Web容器安全
  3. [你必须知道的.NET]第三十四回,object成员,不见了!
  4. 【大总结3】leetcode解题总览(算法、剑指offer、SQL、多线程、shell)
  5. pb的webserver增加的方法发布后没有显示_震惊!!!Diboot 2.0.5 发布,让开发工作又快又爽...
  6. pyQt显示系统文件目录
  7. idea导入java文件_怎么在idea中导入Java文件并运行文件
  8. STM32F103C8T6 红外测距模块测量距离(SHARP GP2Y0A21YK0F)使用CubeMx生成HAL库(ADC)
  9. HTTP的请求连接过程
  10. 诛仙2服务器不显示列表,诛仙2 服务器列表
  11. c++ 可变参数 log 打印函数实现
  12. php记录访问者ip和次数,一个能对访问者进行编号、记录访问次数、IP、时间的统计制作实例...
  13. 购买计算机键盘,电脑键盘选购常识_电脑键盘使用常识 -真快乐商城
  14. 【论文笔记】A comprehensive survey on sentiment analysis: Approaches, challenges and trends(上)
  15. 梦茹 java_有关表彰2015-2016学年本科生先进集体、先进个人决定.PDF
  16. 隐藏17年的Firefox文件窃取漏洞,可结合WhatsApp钓鱼窃取文件
  17. 酬岑勋见寻就元丹丘对酒相待,以诗见招
  18. CLIP Learning Transferable Visual Models From Natural Language Supervision (文本和图像的对比学习)--文献翻译和笔记
  19. 到Visual Studio Code en 2020中的实际实现
  20. 收集的一些GIS数据网站

热门文章

  1. 在ASP.NET MVC中使用IIS级别的URL Rewrite
  2. Ubuntu下编译Android源代码
  3. matlab并联负荷模块,Matlab-SimPowerSystems-Elements模块使用说明
  4. 三级工作台抽奖出啥_【早早聊】如何落地一体化运营工作台
  5. leetcode算法题--增量元素之间的最大差值
  6. php mysql特殊符号过滤微信小程序_微信小程序数据过滤(filter)方法
  7. Visual C++ Windows 用来定位 DLL 的搜索路径
  8. SqlDependency 与 SignalR 实现Web页面的数据实时刷新
  9. Ubuntu 16.04设置Redis为开机自动启动服务
  10. linux 查看端口被哪个程序占用