数学模型实验七:奶制品的销售和奶制品的生产销售计划

一.奶制品的销售

一、实验目的

 学会利用LINGO进行实验,熟练运用LINGO求解简单的线性规划问题以及能够完成

对其灵敏度的分析。

二、实验要求 

按如下步骤操作

1.打开lingo

2.修改“选项”(Options)

在出现的选项框架中,选择GeneralSolver(通用求解器)选项卡,修改2个参数;

DualComputations(对偶计算)设置为PricesandRanges,即计算对偶价格并分析敏感性。

ModelRegeneration(模型的重新生成)设置为:Always(每当有需要时)点击OK退出。

3.在模型窗口输入模型

Model:

max=72*x1+64*x2;

[milk]x1+x2<50;

[time]12*x1+8*x2<480;

[cpct]3*x1<100;

End

保存为:sy4-1.lg4

LINGO 语法:

1. 程序以“model:”开始,每行最后加“;”,并以“end”结束;

2. 非负约束可以省略;

3. 乘号 * 不能省略;

4. 式中可有括号;

5. 右端可有数学符号。

4.求解模型

运行菜单LINGO/Solve。

选择LINGO/Solve

5.灵敏性分析

点击模型窗口。选择LINGO/Ranges进行分析

三、实验内容

奶制品加工厂用牛奶生产A1、A2两种奶制品,1桶牛奶可以在设备甲上用12小时加工成3公斤A1,或者在设备乙上用8小时加工成4公斤A2。根据市场需求,生产的A1、A2能全部售出,且每公斤A1获利24元,每公斤A2获利16元。现在加工厂每天能得到50桶牛奶的供应,每天正式工人总的劳动时间为480小时,并且设备甲每天至多能加工100公斤A1,设备乙的加工能力没有限制。试为该厂制定一个生产计划,使每天获利最大。

假设:

每天生产A1的桶数为x1

每天生产A2的桶数为x2

每天生产B1的桶数为x3

每天生产B2的桶数为x4

每天的利润为z

综上可得线性规划:
max z=72x+64x2
s.t. x1+x2<50
     12x1+8x2<480
     3x1<100

LINGO模型如下:

model:

max=72*x1+64*x2;

[milk]x1+x2<50;

[time]12*x1+8*x2<480;

[cpct]3*x1<100;

End;

四、实验结果及其分析

从结果我们可以获得最优解 x1=20,x2=30最优值z=3360,即每天销售168kgA1和19.2kgB1可获净利润3460.8元,为此,需用8桶牛奶加工成A1,42桶牛奶加工成A2,并将得到的24kgA1全部加工成B1。

  • 实验的心得体会

LINGO对数学模型数据分析所得到的灵敏性分析的数据和模型求解得到的数据可以直接在表中体现出,也可以从表中得到关于模型的所有数据。

实验二:奶制品的生产销售计划

一、实验目的

学会利用LINGO进行实验熟练掌握用LINGO求解简单的线性规划问题以及能够完成

对其灵敏度的分析。

二、实验要求 

按以下步骤操作:

(1)打开菜单“File”/“New”,新建模型文件。

(2)在模型编辑窗口输入模型,要求用简单编程和集合的高级编程两种方式完成;

(3)将文件存储并命名。

(4)求解模型。

(5)灵敏性分析。

检查输出结果与教材 p102-104 的标准答案是否相同。

结果分析可参阅教材 p104。 

三、实验内容

要求制定生产销售计划,决策变量可以像例1那样,取作每天用多少桶牛奶生产A1,A2,在添上用多少千克A1加工B1,用多少千克A2加工B2,但是由于问题要分析B1,B2的获利对生产销售计划的影响,所以决策变量取作A1,A2,B1,B2每天的销售量更方便。目标函数是工厂每天的净利润——A1,A2,B1,B2的获利之和扣除深加工费用。约束条件基本不变,只是要添上A1,A2深加工时间的约束。在与例1类似的假定下用线性规划模型解决这个问题。

Max z=24x1+16x2+44x3+32x4-3x5-3x6

s.t. 4x1+3x2+4x5+3x6≤600

4x1+2x2+6x5+4x6≤480

x1+x5≤100 x3-0.8x5=0 x4-0.75x6=0

x1,x2,…,x6≥0

用 LINDO 求解以上线性规划问题。

、实验结果及其分析

检查输出结果与标准解,得到最优解为X1=0,X2=168,X3=19.2,X4=0,X5=24,X6=0,最优值为Z=3460.8,即每天销售168kgA1和19.2kgB1可获净利润3460.8元,所以需用8桶牛奶加工成A1,42桶牛奶加工成A2,并将得到的24kgA1全部加工成B1。

五.实验的心得体会

学习并使用LINGO对数学模型进行求解线性规划问题,让我更加熟悉了对LINGO的使用。

  • 12
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
您好,关于奶制品数学模型的建立,可以使用 MATLAB 进行建模和求解。具体来说,可以使用 MATLAB 中的优化工具箱(Optimization Toolbox)来解决奶制品生产中的优化问题,例如最小化成本、最大化产量等。 在建立数学模型时,需要考虑到奶制品生产中的各种因素,例如原材料成本、生产设备的效率、生产线的产能等。可以将这些因素表示为变量,并建立相应的约束条件和目标函数,然后使用 MATLAB 中的优化工具箱进行求解。 以下是一个简单的例子,展示如何使用 MATLAB 中的优化工具箱来最小化奶酪生产的成本: ```matlab % 定义变量 x1 = optimvar('x1', 'LowerBound', 0); % 奶油的用量 x2 = optimvar('x2', 'LowerBound', 0); % 奶酪的用量 % 定义约束条件 con1 = x1 + x2 <= 100; % 原材料总量不能超过 100 千克 con2 = 0.5*x1 + x2 >= 20; % 奶油和奶酪的总产量不能少于 20 千克 % 定义目标函数 obj = 2*x1 + 3*x2; % 成本为 2 元/千克的奶油和 3 元/千克的奶酪 % 定义问题 prob = optimproblem('Objective', obj, 'Constraints', [con1, con2]); % 求解问题 [sol, fval] = solve(prob); ``` 在上面的例子中,我们定义了两个变量 `x1` 和 `x2`,分别表示奶油和奶酪的用量。然后,我们定义了两个约束条件,分别限制了原材料总量和产量的最小值。最后,我们定义了一个目标函数,表示成本最小化。通过调用 `solve` 函数,可以求解出最优解。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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