化归为lingo来解决的问题

最新推荐文章于 2024-09-12 19:02:20 发布
最新推荐文章于 2024-09-12 19:02:20 发布
阅读量1.2k 收藏 3
点赞数 1
分类专栏： 其他 文章标签： jobs 算法 工作 excel schema 优化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jsxyhelu/article/details/2746350
版权

 

哪些数学建模题目可以化归为lingo来解决，它们有哪些特点？这是即将参加数模竞赛的我们关心的问题.这份总结是书本知识和对真题分析的结果。

 

一 、 下料问题

    此类问题包括一个标准材料长约束；各种分割方法的数量约束等；目标是最有分配。

 

例一 每根长19m，A B C D 分法各为 4m 5m 6m 8m，数量为50 10 20 15根。要求不同下料方式不超过3种。求最优下料。

解： 设标准长L=19m，分割长为 ,标准数量为 ， 为第i种切割方法所切割钢管数量。第i种下料方法得到部件j的数目为 。

                            min

                         s.t.

编写代码：

MODEL:

    SETS:

       SUBLEN/1..4/:L,D;

       CUTMETHOD/1,2,3/:X;

       LINKS(CUTMETHOD,SUBLEN):N;

    ENDSETS

    DATA:

       L=  4 5 6 8;

       D=  50 10 20 15;

    ENDDATA

    MIN=@SUM(CUTMETHOD:X);

    @FOR(SUBLEN(J):@SUM(CUTMETHOD(I):N(I,J)*X(I))>=D(J));

    @FOR(CUTMETHOD(I):@SUM(SUBLEN(J):L(J)*N(I,J))>15);

    @FOR(CUTMETHOD(I):@SUM(SUBLEN(J):L(J)*N(I,J))<19);

@FOR(CUTMETHOD:@GIN(X));

@FOR(LINKS:@GIN(N));

END

结果

  Local optimal solution found at iteration:           3010

  Objective value:                                 28.00000

                       N( 1, 1)        3.000000            0.000000

                       N( 1, 2)        0.000000            0.000000

                       N( 1, 3)        1.000000            0.000000

                       N( 1, 4)        0.000000            0.000000

                       N( 2, 1)        2.000000            0.000000

                       N( 2, 2)        1.000000            0.000000

                       N( 2, 3)        1.000000            0.000000

                       N( 2, 4)        0.000000            0.000000

                       N( 3, 1)        0.000000            0.000000

                       N( 3, 2)        0.000000            0.000000

                       N( 3, 3)        0.000000            0.000000

                       N( 3, 4)        2.000000            0.000000

   该问题小结：此类问题可以直接化归为lingo解。

练习：   p67 11 题

 

解：标准长L=5500mm，分割长为 ,标准数量为 ， 为第i种切割方法所切割钢管数量。第i种下料方法得到部件j的数目为 。

本题下料方法可以穷尽，但不手工穷尽。设共有m种下料方法

 

                            min

                         s.t.

 

得到m值的问题是背包问题，同时得到 的情况。

若采取例题中采用的方法，编写程序：

MODEL:

    SETS:

       SUBLEN/1..4/:L,D;

       CUTMETHOD/1..11/:X;

       LINKS(CUTMETHOD,SUBLEN):N;

    ENDSETS

    DATA:

       L=  2640 1651 1770 1440;

       D=  80 350 420 200;

    ENDDATA

    MIN=@SUM(CUTMETHOD:X);

    @FOR(SUBLEN(J):@SUM(CUTMETHOD(I):N(I,J)*X(I))>=D(J));

    @FOR(CUTMETHOD(I):@SUM(SUBLEN(J):L(J)*N(I,J))>4060);

    @FOR(CUTMETHOD(I):@SUM(SUBLEN(J):L(J)*N(I,J))<5500);

@FOR(CUTMETHOD:@GIN(X));

@FOR(LINKS:@GIN(N));

END

运算35小时后得到可行解:

 

 

 

                       Variable           Value        Reduced Cost

                         

                       N( 1, 1)        2.000000            0.000000

                       N( 1, 2)        0.000000            0.000000

                       N( 1, 3)        0.000000            0.000000

                       N( 1, 4)        0.000000            0.000000

                       N( 2, 1)        0.000000            0.000000

                       N( 2, 2)        0.000000            0.000000

                       N( 2, 3)        1.000000            0.000000

                       N( 2, 4)        2.000000            0.000000

                       N( 3, 1)        0.000000            0.000000

                       N( 3, 2)        0.000000            0.000000

                       N( 3, 3)        3.000000            0.000000

                       N( 3, 4)        0.000000            0.000000

                       N( 4, 1)        0.000000            0.000000

                       N( 4, 2)        2.000000            0.000000

                       N( 4, 3)        1.000000            0.000000

                       N( 4, 4)        0.000000            0.000000

                       N( 5, 1)        0.000000            0.000000

                       N( 5, 2)        2.000000            0.000000

                       N( 5, 3)        1.000000            0.000000

                       N( 5, 4)        0.000000            0.000000

                       N( 6, 1)        0.000000            0.000000

                       N( 6, 2)        1.000000            0.000000

                       N( 6, 3)        2.000000            0.000000

                       N( 6, 4)        0.000000            0.000000

                       N( 7, 1)        0.000000            0.000000

                       N( 7, 2)        2.000000            0.000000

                       N( 7, 3)        1.000000            0.000000

                       N( 7, 4)        0.000000            0.000000

                       N( 8, 1)        0.000000            0.000000

                       N( 8, 2)        2.000000            0.000000

                       N( 8, 3)        1.000000            0.000000

                       N( 8, 4)        0.000000            0.000000

                       N( 9, 1)        0.000000            0.000000

                       N( 9, 2)        1.000000            0.000000

                       N( 9, 3)        1.000000            0.000000

                       N( 9, 4)        1.000000            0.000000

                      N( 10, 1)        0.000000            0.000000

                      N( 10, 2)        0.000000            0.000000

                      N( 10, 3)        2.000000            0.000000

                      N( 10, 4)        1.000000            0.000000

                      N( 11, 1)        2.000000            0.000000

                      N( 11, 2)        0.000000            0.000000

                      N( 11, 3)        0.000000            0.000000

                      N( 11, 4)        0.000000            0.000000

 

                            Row    Slack or Surplus      Dual Price

                              1        364.0000           -1.000000

                            

这个显然是不行的。在解决本类题目的时候，需要预先将所有可能出现的情况都穷举出来，然后在这个基础之上做线性规划。当然，我们也有不用穷举的方法：

其实本题在求有多少种划钢材的方式是一个典型的找零钱问题，它的schema程序为：

 

(define (first-denomination kinds-of-iron)

  (cond ((= kinds-of-iron 1)1440)

        ((= kinds-of-iron 2)1651)

        ((= kinds-of-iron 3)1770)

        ((= kinds-of-iron 4)2640)

))

(define (cc amount kinds-of-iron)

  (cond((< amount 1440)1)

       ((or(< amount 0)(= kinds-of-iron 0))0)

       (else (+ (cc amount(- kinds-of-iron 1))

                (cc(- amount(first-denomination kinds-of-iron))

                kinds-of-iron)))))

(define(count-type amount)

(cc amount 4))

 

结果为14.但是现在我还写不出来所有具体的情况，只能算出有多少情况（这对于非线性优化是有用的）。解决题目，还是穷举的方法：

 

 

1

2

3

4

5

6

7

8

9

10

11

12

13

14

A

2

1

1

1

0

0

0

0

0

0

0

0

0

0

B

0

1

0

0

0

1

0

2

1

0

3

2

1

0

C

0

0

1

0

3

2

2

1

1

1

0

0

0

0

D

0

0

0

1

0

0

1

0

1

2

0

1

2

3

 

带入lingo，解决题目

MODEL:

    SETS:

       irons/1,2..14/:x;

    ENDSETS

    @FOR(IRONS:@GIN(X));

    MIN=X1+X2+X3+X4+X5+X6+X7+X8+X9+X10+X11+X12+X13+X14;

    2*X1+X2+X3+X4>=2640;

    X2+X6+2*X8+X9+3*X11+2*X12+X13>=1651;

    X3+3*X5+2*X6+2*X7+X8+X9+X10>=1770;

    X4+X7+X9+2*X10+X12+2*X13>=1440;

END

 

 

结果为：

  Global optimal solution found at iteration:             2

  Objective value:                                 2940.333

 

 

                       Variable           Value        Reduced Cost

                             X1        1320.000            0.000000

                             X2        0.000000           0.1666667

                             X3        0.000000           0.1666667

                             X4        0.000000           0.1666667

                             X5        590.0000            0.000000

                             X6        0.000000            0.000000

                             X7        0.000000            0.000000

                             X8        0.000000            0.000000

                             X9        0.000000            0.000000

                            X10        0.000000            0.000000

                            X11        310.3333            0.000000

                            X12        0.000000            0.000000

                            X13        720.0000            0.000000

                            X14        0.000000            1.000000

                                            

 

二 、 配料问题

       该问题是一个整形规划，所以具有独特的特点。

例二  书本例1.7.3 p53

解略.问题的关键就在于整形规划的特点。但是在大数据量不可手工穷尽的时候怎样解决，这是就要考虑的问题。怎样将数据链接过来？是通过数据库还是其他东西。

 

                                                         三 、指派问题&装箱问题

 

此类问题有一个显著的特点就是都为0-1规划，比如一个人只能做一件工作；同时一个工作只能由一个人来完成。

例三  分配给甲乙丙丁戊去完成A B C D E五项工作，每人完成一项，每项工作一人完成。五人完成认为所需时间如表，做出任务分配时间最少优化。

 

 

A

B

C

D

E

甲

8

6

10

9

12

乙

9

12

7

11

9

丙

7

4

3

5

8

丁

9

5

8

11

8

戊

4

6

7

5

11

 

解：MODEL:

    SETS:

       WORKERS/W1..W5/;

       JOBS/J1..J5/;

       LINKS(WORKERS,JOBS):D,X;

 

    ENDSETS

    DATA:

       D=

          

8

6

10

9

12

9

12

7

11

9

7

4

3

5

8

9

5

8

11

8

4

6

7

5

11

;

    ENDDATA

    MIN=@SUM(LINKS:D*X);

    @FOR(WORKERS(I):@SUM(JOBS(J):X(I,J))=1);

    @FOR(JOBS(J):@SUM(WORKERS(I):X(I,J))=1);

    @FOR(LINKS:@BIN(X));

END

结果

  Global optimal solution found at iteration:             0

  Objective value:                                 30.00000

 

 

                       Variable           Value        Reduced Cost

                  

                     X( W1, J1)        1.000000            8.000000

                     X( W1, J2)        0.000000            6.000000

                     X( W1, J3)        0.000000            10.00000

                     X( W1, J4)        0.000000            9.000000

                     X( W1, J5)        0.000000            12.00000

                     X( W2, J1)        0.000000            9.000000

                     X( W2, J2)        0.000000            12.00000

                     X( W2, J3)        0.000000            7.000000

                     X( W2, J4)        0.000000            11.00000

                     X( W2, J5)        1.000000            9.000000

                     X( W3, J1)        0.000000            7.000000

                     X( W3, J2)        0.000000            4.000000

                     X( W3, J3)        1.000000            3.000000

                     X( W3, J4)        0.000000            5.000000

                     X( W3, J5)        0.000000            8.000000

                     X( W4, J1)        0.000000            9.000000

                     X( W4, J2)        1.000000            5.000000

                     X( W4, J3)        0.000000            8.000000

                     X( W4, J4)        0.000000            11.00000

                     X( W4, J5)        0.000000            8.000000

                     X( W5, J1)        0.000000            4.000000

                     X( W5, J2)        0.000000            6.000000

                     X( W5, J3)        0.000000            7.000000

                     X( W5, J4)        1.000000            5.000000

                     X( W5, J5)        0.000000            11.00000

 

  首先可以看到，这里直接用excel作为了输入。当然也可以输入回到excel中去。

 

  用lingo解决装箱子问题的时候有个技巧，不过不是很有用。

 

                                                  四 、最短路径

 

 

例五 如图求各点到T的最短路

 

5

6

7

7

4

9

6

8

6

5

8

3

3

6

C1

B1

C2

B2

A1

A2

A3

T

S

6

 

线性规划的方法解决最短路径问题真是有想法。在计算机算法中有许多为了简化计算而设计的算法，大都比较复杂；然而如果面对的问题是数学，那么重点就不一样了：数学的重点是解决问题，算法的效率是其次的（除非题目本身就是效率题），线性规划几乎就是穷举所有的情况，所以线性规划很大程度上具有通用性。

 

编写代码求解：

MODEL:

SETS:                            ! CITIES表示由1~9组成的集合，是一个基本集合;

  CITIES /1..9/: L;          !属性L(i)表示城市i到城市1的最优行驶路线的路长;

  ROADS(CITIES, CITIES)/     ! ROADS表示网络中的弧，是由CITIES派生的集合;

   9,6  9,7  9,8              !由于并非所有城市间都有道路直接连接，所以将弧具体列出;

   6,4  6,5  7,4  7,5  8,4  8,5

   4,2  4,3  5,2  5,3

   2,1  3,1/: D;              !属性D( i, j) 是城市i到j的直接距离（已知）;

ENDSETS

 

DATA:

  D =                     ! D赋值的顺序对应于ROADS中的弧的顺序;

     6    3    3

     6    5    8     6    7    4

     6    7    8     9

     5    6;

ENDDATA

 

L(1) = 0;                 !边界条件;

@FOR( CITIES( i)| i #GT# 1: !集合循环语句, #GT#表示逻辑关系"大于";

  L( i) = @MIN( ROADS( i, j): D( i, j) + L( j))   !这就是动态规划基本方程;

 );

END

 

结果为：

 

                                           Variable           Value

                                              L( 1)        0.000000

                                              L( 2)        5.000000

                                              L( 3)        6.000000

                                              L( 4)        11.00000

                                              L( 5)        13.00000

                                              L( 6)        17.00000

                                              L( 7)        19.00000

                                              L( 8)        17.00000

                                              L( 9)        20.00000

                                       

可以看到，最有结果为20.当然了，这道题目比较简单，我们还需要更多的算法来验算这一个结果。

jsxyhelu
关注
专栏目录
lingo运输问题的实验报告.doc
03-22
通过这个实验，我们可以了解如何运用LINGO来解决实际的运输问题，理解线性规划模型在物流优化中的应用。同时，实验也展示了如何分析和解释软件给出的解决方案，进一步加深了对运筹学理论的理解。对于IT行业，这样的...
LINGO的入门介绍
热门推荐
ding_programmer的博客
07-25 3万+
LINGO初步介绍 LINGO是用来解决优化问题的一个特别好用的软件，可以快速求解线性规划、非线性规划、线性和非线性方程组等等，是数学建模中求优化问题的解不可缺少的工具之一。 首先让我们来看一个问题： 对于解决这种线性规划问题 ，可以采用 matlab中的库函数 linpro...
Lingo解决优化问题
Taoye | 玩世不恭的Coder
08-30 1万+
Lingo解决优化问题 前言 前面，我们已经对Lingo有了一定的了解，但是要想真正的熟悉Lingo在解决优化问题中的强大之处，还需要不断加强相关训练，本文主要是使用Lingo来解决优化问题，该文的主要目的有以下三点： 希望能够提升自己对Lingo的相关操作并加强对优化问题的思维模式 方便日后对Lingo核心操作的回顾 希望每一位到来的朋友能够有所收获 若您对Lingo的安装...
Lingo数学建模解决运输问题
04-20
总的来说，Lingo数学建模在解决运输问题上展现出强大的优势，它能够快速、准确地解决大规模的优化问题，为企业决策提供科学依据，提高物流效率，降低成本，从而实现业务的可持续发展。通过对实际问题的深入理解和对...
用LINGO解决数学问题.pdf
09-08
用LINGO解决数学问题
数学建模Lingo代码加数学模型解决含中转站车辆运输问题
04-20
标题中的"数学建模Lingo代码加数学模型解决含中转站车辆运输问题"指的是使用Lingo软件结合特定的数学模型来解决这类问题。Lingo支持线性规划、整数规划、非线性规划等多种优化算法，使得我们可以构建和求解含有中转...
自来水输送运输问题的Lingo程序
04-18
对应《数学模型》第五版，4.2节自来水输送及货机装运
伟大的数值计算
01-20 3025
17世纪是数学发展史上一个划时代的时期，当我们今天享受着高科技成果所带来的各种便利条件时，应该意识到笛卡儿(Descartes,1596—1650)和牛顿（Newton,1642—1727）这两位卓越的先驱人物所作出的具有划时代意义的贡献。首先是笛卡儿创立平面解析几何，为我们开创了利用数学研究变量的新时代，使我们能用数学形式描述动态变化着的客观对象。从此生活在这个星球上的人们可以利用数学形式来描述
用辗转相除法求最大公约数和 gcd算法
01-20 2199
用辗转相除法求最大公约数 用辗转相除法求两个数的最大公约数的步骤如下：先用小的一个数除大的一个数，得第一个余数；再用第一个余数除小的一个数，得第二个余数；又用第二个余数除第一个余数，得第三个余数；这样逐次用后一个数去除前一个余数，直到余数是0为止。那么，最后一个除数就是所求的最大公约数（如果最后的除数是1，那么原来的两个数是互质数）。例如求1515和600的最大公约数，第一次：用600除1515，
HeLU’s sicp answers(1.1--1.13)
07-09 1568
HeLU’s sicp answers  禾路的《计算机程序构造和解释》习题解答                       2008 7—2008 9   “带着崇敬和赞美，将本书献给活在计算机里的神灵”“你所掌握的，也是我认为并希望的，也就是智慧”“让我们举起杯，祝福将智慧镶嵌在层层括号之间的lisp程序员”……. HeLU ：我非常感激地在大三暑假里面
HinM_COMPILER_cale计划和实现
07-09 1208
   HinM_COMPILER_cale项目的计划和实现HinM_COMPILER_cale项目是在学习编译原理的时候结合实际写出的子项目，这里讨论的是用编译的思想来实现一个高效能的计算器。项目分为两个部分，一个是采用DFA的方式生成一个简单的四则运算的计算器。第二个部分是结合使用yacc和lex生成一个复杂的计算器。项目实现时间计划为一个星期。（2008-6-16—2008-6-2
x264源代码分析
07-18 938
x264源代码分析   相关说明:1.     使用版本:  x264-cvs-2004-05-112.     这次的分析基本上已经将代码中最难理解的部分做了阐释,对代码的主线也做了剖析,如果这个主线理解了,就容易设置几个区间,进行分工阅读,将各个区间击破了.3.     需要学习的知识:a)       编码器的工作流程.b)      H.264的码流结构,像x264_s
内存变量移动算法
01-21 765
// MemoryMovingAlgroithms.cpp : //name:内存变量移动算法//MainFunction:LeftMemoryMove(*thestring被移动的字符串,keylength需要移动的字符串的位数,m:左移位数)//StatlitesFunction1:gcd(m,n)//StatlitesFunction2:swap(*m,*n)//StatlitesFunct
矩阵制造方法
01-20 661
// ----------------------------------------------// Lutz Roeders Mapack for .NET, September 2000// Adapted from Mapack for COM and Jama routines.// http://www.aisto.com/roeder/dotnet// --------------
p261_11_b题目解决方法
01-20 626
// 离散数学p261_11_b.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include "stdlib.h"#define NODENUM 10#define STARTNODE 0#define TARGENODE 9char NodeChars[NODENUM]={A,B,C,D,E,F,G,H,I,J};i
关于闪烁这个话题 我寻找到了一些解决和一些灵感
01-20 558
关于闪烁这个话题 我寻找到了一些解决和一些灵感当别的窗口在他上面的时候,闪,有没有试过把窗口移到左下脚,就是窗口被两个以上窗口覆盖时,有什么反应?我当时做的控件的内容都掉了!!!,不过没用别人的控件,后来我精确计算需要重画控件的哪个部分,代码写了一大缧,你的闪主要是不管3721,重画了所有控件,造成的闪!!!!这个似乎可以有一些解释的作用，精确计算我需要重画的部分。的却就是一种解决的方法。首先你用
算法刷题：300. 最长递增子序列、674. 最长连续递增序列、718. 最长重复子数组、1143. 最长公共子序列
最新发布
qq_61936886的博客
09-12 451
如果text1[i - 1] 与 text2[j - 1]不相同，那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列，取最大的。但dp[i][0] 和dp[0][j]要初始值，因为 为了方便递归公式dp[i][j] = dp[i - 1][j - 1] + 1;2.递推公式：当A[i - 1] 和B[j - 1]相等的时候，dp[i][j] = dp[i - 1][j - 1] + 1;
算法知识点——常用输入输出数据的方式
5233的博客
09-12 258
除了换行之外，还会清空缓存区，而清空缓存区这件事情会耗时很久，因此为了提高速度，一般直接：cout << “\n”;2、n组输入输出(n不确定）1、n组输入输出(n确定）3、 复杂的输入输出。
使用LINGO解决运筹学指派问题
在LINGO中，我们可以通过以下步骤建立模型来解决这个问题： 1. **定义模型**：首先，我们需要定义模型的各个部分，包括变量集（var/1..5/）和连接这些变量的链接集(link/var,var/)，以及它们对应的成本（c）和决策...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值