【数学建模】(十):Lingo使用:线性规划+非线性规划+整数规划

  • 线性规划
    • 运输问题
  • 整数规划
  • 非线性规划

线性规划


设x1x_1x1​桶牛奶生产A1A_1A1​, x2x_2x2​桶牛奶生产A2A_2A2​

model:
max = 72*x1+64*x2;
[milk]   x1 + x2<50;
[time] 12*x1+8*x2<480;
[cpct]   3*x1<100;
end


Slack or Surplus:0无剩余
Dual Price(影子价格):最优解下“资源“增加1单位时”效益“的增量。
原料增加1单位,利润增加48——35元买一桶牛奶(可以)
时间增加1单位,利润增加2——临时工人2元1小时
0:增长不影响利润
灵敏度分析:
LINGO->range

就是说,max=72∗x1+64∗x2max = 72*x1+64*x2max=72∗x1+64∗x2, x1x1x1的系数(64,96)变化,生产计划是不变的。x2同理。
下面一段:满足影子价格的条件下,原料最多增加10目标函数不变,比如说,35元买牛奶,最多买10桶。

运输问题

自来水运输

min=160*x11+130*x12+220*x13+170*x14+140*x21+130*x22+190*x23+150*x24+190*x31+200*x32+230*x33;
x11+x12+x13+x14=50;
x21+x22+x23+x24=60;
x31+x32+x33=50;
30<=x11+x21+x31;
x11+x21+x31<=80;
70<=x12+x22+x32;
x12+x22+x32<=140;
10<=x13+x23+x33;
x13+x23+x33<=30;
10<=x14+x24;
x14+x24<=50;

货机装运(矩阵)

!定义集合及变量;
sets: cang/1..3/:WET,VOL;wu/1..4/:w,v,p;link(wu,cang):x;
endsets
!对已知变量赋值;
data: WET=10,16,8; VOL=6800,8700,5300; w=18,15,23,12; v=480,650, 580,390; p=3100,3800,3500,2850;
enddata
max=@sum(wu(i):p(i)*@sum(cang(j):x(i,j)));
@for(wu(i):@sum(cang(j):x(i,j))<w(i));
@for(cang(j):@sum(wu(i):x(i,j))<WET(j));
@for(cang(j):@sum(wu(i):v(i)*x(i,j))<VOL(j));
@for(cang(j):
@for(cang(k)|k #GT# j: !#GT#是大于等于的含义;
@sum(wu(i):x(i,j)/WET(j))=@sum(wu(i):x(i,k)/WET(k)));
);
END

整数规划

max=2*x1+3*x2+4*x3;
1.5*x1+3*x2+5*x3<600;
280*x1+250*x2+400*x3
<60000;
@gin(x1);@gin(x2);@gin(x3);  !x1x2x3为非负整数

非线性规划

max=2*x1+3*x2+4*x3;
1.5*x1+3*x2+5*x3<600;
280*x1+250*x2+400*x3<60000;
x1*(x1-80)>0;
x2*(x2-80)>0;
x3*(x3-80)>0;
@gin(x1);@gin(x2);@gin(x3);

【数学建模】(十):Lingo使用:线性规划+非线性规划+整数规划相关推荐

  1. 数学建模_数学模型的分类数学建模十大算法

    数学模型的分类 数学建模十大算法 1.蒙特卡罗算法 (该算法又称随机性模拟算法, 是通过计算机仿真来解决问题的算法, 同时可以 通过模拟可以来检验自己模型的正确性,比较好用的算法) 2.数据拟合.参数 ...

  2. 数学建模算法与应用 线性规划(cvxpy包)

    数学建模算法与应用 线性规划(使用cvxpy包) 说明 使用python中cvxpy库完成<数学建模算法与应用>中课后习题 因为本人也是初学者,若代码有错误还请各位指出 cvxpy库的使用 ...

  3. python数学建模(二)线性规划2.实战(思路清晰\过程完整、详细)

    文章目录 (一)简单陈述本文章的内容 (二)线性规划例题(实战) 2.1 实战题目 2.2 符号规定和基本假设 2.3 模型的分析 2.4 模型的建立 2.5 模型一的求解和分析 2.5.1 (代码) ...

  4. 数学建模十大算法(收藏)

    1.蒙特卡罗算法(该算法又称随机性模拟算法,是通过计算机仿真来解决问题的算法,同时可以通过模拟可以来检验自己模型的正确性,是比赛时必用的方法) 2.数据拟合.参数估计.插值等数据处理算法(比赛中通常会 ...

  5. 数学建模之规划1——线性规划

    什么是规划 在有限的资源状况下,干最有意义的事,其实就是规划. 小例子 例如我要盖大楼,我有这么多钱,我要请人设计.买设备.买材料资源,我们应该怎么平衡钱的花费,使得完成盖大楼这件事. 数学规划模型怎 ...

  6. 数学建模十大算法02—插值与拟合(拉格朗日插值、三次样条插值、线性最小二乘法……)

    文章目录 引入 一.插值 1.1 分段线性插值 1.2 牛顿插值法 1.3 拉格朗日插值多项式 1.4 样条插值 1.4.1 三次样条插值 1.5 二维插值 1.5.1 插值节点为网格节点 1.5.2 ...

  7. 数学建模【规划模型--线性规划(整数规划、0-1规划)、非线性规划-附:案例分析、奶制品的生产和销售(详细求解过程)】

  8. 【数学建模】数学规划模型 - 线性规划 整数规划

    非线性规划 matlab 求解: 因为非线性规划对初始值很敏感 使用蒙特卡洛模拟方法(不是算法)获得初始值 写作技巧: 不同的算法有其名自的优缺点和适用情况,我们可以改变求解的算法来看求解的结量是否变 ...

  9. 数学建模学习(13):整数规划之混合整数线性规划问题详解,建议收藏慢慢看!

    文章目录 前言 语法介绍 具体调用参数介绍 参数详解 案例一 案例二 前言 对于指派问题等0 −1整数规划问题,可以直接利用 Matlab 的函数 bintprog 进行求解. 语法介绍 f.x.in ...

最新文章

  1. python随机数种子通俗_随机数种子random.seed()理解
  2. 记录一下:关于mysql数据误删除恢复的问题
  3. java数字分割的下划线_Java-数值中使用下划线进行分隔
  4. java字节型的关键字_DAY06-07 Java的基础语法-注释、标识符、关键字、数据类型
  5. linux报文高速捕获技术对比--napi/libpcap/afpacket/pfring/dpdk/xdp
  6. Linux---文件、软链接于硬链接文件
  7. 初学者必知的Python中优雅的用法
  8. html文本框光标位置,html的文本框显示光标 如何在htmlText文本框光标处插入字符...
  9. python编程入门必备知识-Python快速编程入门,打牢基础必须知道的11个知识点
  10. 网优5g前景_网优行业的吐槽,附吐槽记录
  11. DHCP技术原理详解
  12. Party (Standard IO)
  13. 使用Cron和PHP检测网页是否被篡改
  14. Coin3D三维可视化教程2
  15. 织梦采集工具-织梦CMS采集教程
  16. 怎样才算是优质的Scratch作品?
  17. MSP430F149 IO端口
  18. rtl8188linux内核配置,编译基于rtl8188cu控制芯片的USB无线网卡在Linux下的配置
  19. 史上最全的用Python操控手机APP攻略!建议收藏!
  20. javaee笔记(10)JSF

热门文章

  1. 鼠标点击时计算机做了什么原因,电脑鼠标双击变单击怎么办 电脑鼠标双击变单击的原因【图文】...
  2. 软件测试这些经常被问到的面试题(七)
  3. 即便您是个跑龙套的甲乙丙丁,也该认真对待您自个的角色
  4. 计算机起源英语短文,计算机英语短文 - 王朝网络 - tc.wangchao.net.cn
  5. 给企业研发人员列一张数学清单【转载】
  6. linux命令 acc,sed linux 命令 在线中文手册
  7. 网络安全--边界安全(1)
  8. logo是啥_标志logo的定义是什么标志logo有什么意义?
  9. Qt 读取多行文本框中的内容
  10. 研一Python基础课程第三周课后习题分享(下)(含源代码)