LINGO2

已于 2023-10-10 09:43:27 修改
阅读量42 收藏
点赞数
文章标签： 数学建模
于 2023-10-10 09:05:44 首次发布
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/m0_73042389/article/details/133737054
版权

静乐麦麦
关注
lingo-lingo
09-07
lingo lingo lingo lingo lingo
Lingo18.0_lingo_
09-30
2. **风险管理**：通过建立信用评分卡模型，Lingo可以预测违约概率，帮助金融机构进行信贷决策。 3. **利率和汇率建模**：Lingo可以用来创建复杂的衍生品定价模型，如Black-Scholes模型，用于期权定价。 4. **成本...
Matlab-Lingo
07-22
2. **建立目标函数**：确定要最大化或最小化的函数，这个函数是决策变量的线性组合。 3. **设定约束条件**：定义问题的限制条件，这些条件也是决策变量的线性组合，可以是等式或不等式。 4. **输入模型**：使用Lingo...
lingo免安装
04-19
Lingo是一款强大的数学建模和优化软件，尤其适用于解决各种数学规划问题，包括线性、非线性、整数、二元、目标规划等。它提供了直观的语法和丰富的功能，使得用户能够轻松构建复杂的数学模型，并利用高效的求解器...
LINGO11安装包
01-11
2. **符号计算**：用户可以用符号来定义变量和表达式，这在处理复杂的数学关系时非常方便，简化了模型构建过程。 3. **数据输入与处理**：软件支持多种数据格式导入，如CSV、Excel等，便于用户结合实际数据进行建模...
数学建模常用模型全面总结（含适用条件、优点、局限性和应用场景）
qq_63913621的博客
09-14 333
数学建模常用模型全面总结（含适用条件、优点、局限性和应用场景）
Python 数学建模——假设检验
wr114514的博客
09-09 1540
介绍了再 Python 数学建模时如何使用假设检验，以及两个特殊的非参数假设检验——KS 检验和 Wilcoxon 检验。
【数学建模】2024数学建模国赛经验分享
热门推荐
风高秋月白，雨霁晚霞红
09-04 1万+
国赛经验分享。
【数学建模】2024年国赛成绩公布时间预测
kstt20230206的博客
09-11 466
往年国赛成绩公布后，【数模加油站】都会在第一时间告诉我们的小伙伴，争取让大家能够最快获取成绩信息，今年也不例外。处理时间按预测之外，也会及时公布比赛成绩的相关内容的
数学建模笔记—— 回归分析
lbm666666的博客
09-11 1493
在统计学中，回归分析( regression analysis)指的是确定俩种或两种以上变量间相互依赖的定量关系的一种统计分析方法。回归分析按照涉及的变量的多少，分为一元回归和多元回归分析；按照因变量的多少，可分为简单回归分析和多重回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。在大数据分析中，回归分析是一种预测性的建模技术，它研究的是因变量(目标)和自变量(预测器) 之间的关系。这种技术通常用于预测分析以及发现变量之间的因果关系。例如，司机的鲁莽驾驶与道路交通事故数量之间的
数学建模笔记—— 蒙特卡罗法
lbm666666的博客
09-10 1197
蒙特卡罗法又称统计模拟法，是一种随机模拟方法，以概率和统计理论方法为基础的一种计算方法，是使用随机数(或更常见伪随机数)来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。为象征性地表明这一方法的概率统计特征，故借用赌城蒙特卡罗命名。
Python 数学建模——Pearson/Spearman 相关系数
wr114514的博客
09-11 909
介绍了两种相关系数——Peason 相关系数和 Spearman 相关系数，并使用 Python 库求取它们。
数学建模常用模型---“算法”总结（含特性和应用场景）
qq_63913621的博客
09-14 907
常用算法线性方程求解算法：如高斯消元法、LU分解等，用于解线性方程组。非线性方程求解算法：如牛顿-拉夫森法、割线法、二分法，用于解非线性方程组。应用场景快速解算简单的静态模型，如工程计算中的电路分析、经济平衡问题等。
Python 数学建模——ARMA 时间序列分析
最新发布
wr114514的博客
09-14 611
介绍了 ARMA 时间序列预测方法的使用，结合一个案例使用 Python 进行了建模探讨。
Python 数学建模——cvxpy 规划求解器
wr114514的博客
09-14 981
介绍了 Python 的 cvxpy 规划求解器，可以用于求解线性规划、非线性规划、整数规划，0-1 规划等常见的规划问题。
数学建模笔记——动态规划
lbm666666的博客
09-11 952
动态规划的基本想法就是将原问题转换为一系列相互联系的子问题，然后通过逐层地推来求得最后的解。目前，动态规划常常出现在各类计算机算法竞赛或者程序员笔试面试中，在数学建模中出现的相对较少，但这个算法的思想在生活中非常实用，会对我们解决实际问题的思维方式有一定启发。你有三种硬币，分别面值2元、5元和7元，每种硬币都有足够多，买一本书需要27元，如何用最少的硬币组合起来正好付清，不需要对方找钱。虽然我们不知道最优策略是什么，但是最优策略肯定是有k校硬币，，除了这枚硬币，前面的面值加起来是。状态转移方程：对于第。
线性规划------ + 案例 + Python源码求解（见文中）
qq_63913621的博客
09-14 420
代数模型是一种利用代数方程（如线性方程、多项式方程等）描述变量之间关系的数学模型。它通常用于描述静态系统或在某一时刻的系统状态。代数模型可以是线性或非线性的，具体取决于变量之间的关系类型。
2024高教杯数学建模A题思路
a328087786的博客
09-05 2577
【代码】2024高教杯数学建模A题思路。
2024国赛数学建模B题完整分析参考论文38页（含模型和可运行代码）
2301_79944593的博客
09-06 1705
本文针对供应商提供的零配件、企业的多阶段生产过程以及生产过程中的质量控制，提出了若干优化决策模型，旨在通过抽样检测和成本优化的手段提高生产效率、降低次品率。针对问题 2，基于已知的零配件和成品次品率，制定了检测与拆解策略的决策模型，以控制生产中的次品风险；每道工序的次品率会累积影响成品的质量，因此检测的重点不仅在于零配件的检测，还要关注半成品的质量控制和成品的合格率。问题的重点是如何根据抽样检测的结果和置信区间，合理规划检测数量和检测策略，以在控制成本的同时，确保次品率控制在预期范围内，保证成品的合格率。
整数规划问题的案例分别用MATLAB和LINGO 2种解法
05-30
整数规划问题是求解在约束条件下，所有变量均为整数的优化问题。以下是一个例子： 假设有一家公司要生产产品A和产品B，用到3种原材料X、Y、Z，每种原材料的数量和成本如下表所示： | 原材料 | 产品A | 产品B | | ------ | ------ | ------ | | X | 2 | 1 | | Y | 1 | 3 | | Z | 4 | 2 | | 成本 | 7 | 6 | 另外，公司需要满足以下约束条件： 1. 原材料X的数量不得少于20，原材料Y的数量不得少于10，原材料Z的数量不得少于30。 2. 公司需要生产至少10个产品A和20个产品B。 3. 公司需要遵守以下生产比例：产品A和产品B的比例不得超过 1：2。 现在要求公司如何在满足以上约束条件的前提下，以最小的成本生产所需的产品。 MATLAB解法： ```matlab % 原材料成本 C = [7 6]; % 原材料数量限制 A = [-2 -1; -1 -3; -4 -2]; b = [-20; -10; -30]; % 生产数量限制 Aeq = [2 1; 0 1; -1 2]; beq = [10; 20; 0]; % 整数规划 intcon = [1 2]; [x, fval] = intlinprog(C, intcon, A, b, Aeq, beq, zeros(2,1)) % 输出结果 disp('生产产品A的数量为：'); disp(x(1)); disp('生产产品B的数量为：'); disp(x(2)); disp('最小成本为：'); disp(fval); ``` LINGO解法： ``` SET_PRODUCTS = 2; SET_MATERIALS = 3; PARAMETERS C(SET_PRODUCTS) ! 原材料成本 A(SET_MATERIALS, SET_PRODUCTS) ! 原材料使用数量 b(SET_MATERIALS) ! 原材料数量限制 Aeq(SET_PRODUCTS, SET_PRODUCTS) ! 生产数量限制 beq(SET_PRODUCTS) ! 生产数量限制 END C = 7 6 A = 2 1 1 3 4 2 b = 20 10 30 Aeq = 2 1 0 1 beq = 10 20 VARIABLES x(SET_PRODUCTS) INTEGER ! 生产数量 END ! 目标函数为生产成本 MIN = C * x ! 原材料使用量限制 A * x >= b ! 生产数量限制 Aeq * x = beq ! 生产比例限制 x(1) <= 2 * x(2) ! 求解 INTEGER :: x SOLVE ! 输出结果 DISPLAY x("生产产品A的数量为") x("生产产品B的数量为") MIN ``` 以上是MATLAB和LINGO求解整数规划问题的例子，两种语言都可以有效地解决这类问题。
评论 1
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