LINGO入门——第二讲

LINGO入门使用——第二讲

一个最短路径问题

例 (最短路问题) 在纵横交错的公路网中，货车司机希望找到一条从一个城市到另一个城市的最短路. 下图表示的是公路网, 节点表示货车可以停靠的城市,弧上的权表示两个城市之间的距离(百公里). 那么,货车从城市S出发到达城市T,如何选择行驶路线,使所经过的路程最短?

采用动态规划法

---

代码如下：

model:

sets:
    CITIES/S,A1,A2,A3,B1,B2,C1,C2,T/:L;
    ROADS(CITIES,CITIES)/
    S,A1 S,A2 S,A3
    A1,B1 A1,B2 A2,B1 A2,B2 A3,B1 A3,B2
    B1,C1 B1,C2 B2,C1 B2,C2
    C1,T C2,T/:D;
ENDSETS

DATA:
D=  6 3 3
    6 5 8 6 7 4
    6 7 8 9
    5 6;
L=0, , , , , , , , ;
ENDDATA

@FOR(CITIES(i)|i#GT#@index(S):
L(i)=@MIN(ROADS(j,i):L(j)+D(j,i));); 

end

---

程序分析：

1. “ROADS”(道路):由CITIES导出的一个派生集合(请特别注意其用法),由于只有一部分城市之间有道路相连，所以不应该把它定义成稠密集合，将其元素通过枚举给出，这就是一个稀疏集合。
2. 在数据段对L进行赋值，只有L(S)=0已知，后面的值为空(但位置必须留出来，即逗号“，”一个也不能少，否则会出错)。如果这个语句直接写成“L=0；”，语法上看也是对的，但其含义是L所有元素的取值全部为0，所以也会与题意不符。
3. 从模型中还可以看出：这个LINGO程序可以没有目标函数，这在LINGO中，可以用来找可行解(解方程组和不等式组)。
4. 在@for循环中的过滤条件里用了一个函数“@index”, 其作用是返回一个元素在集合中的索引值，这里@index(S)=1(即元素S在集合中的索引值为1)，所以逻辑关系式“I#GT#@index(S)”可以可以直接等价地写成“I#GT#1” 。这里@index(S)实际上还是@index(CITIES,S)的简写，即返回S在集合CITIES中的索引值。

---

结果截图

由此可得最优路径为S->S3->B2->C1->T。

---

一个匹配问题

例 某班8名同学准备分成4个调查队(每队两人)前往4个地区进行社会调查。这8名同学两两之间组队的效率如下表所示(由于对称性，只列出了严格上三角部分)，问如何组队可以使总效率最高？

问题分析：这是一个匹配（MATCHING）问题。把上表的效率矩阵记为BENEFIT(由于对称性，这个矩阵只有严格上三角部分共28个数取非零值)。用MATCH（Si，Sj）=1表示同学Si，Sj组成一队 ，而MATCH（Si，Sj）=0表示Si，Sj不组队。由于对称性，只需考虑i< j共28个0-1变量(而不是全部32个变量)。显然,目标函数正好是BENEFIT(Si,Sj)*MATCH(Si,Sj)对I,J之和。约束条件是每个同学只能(而且必须在)某一组，即对于任意i有:只要属性MATCH的某个下标为i就加起来，此和应该等于1。由上面的分析，因此，完整的数学模型如下(显然，这是一个0-1线性规划)。

程序代码：

MODEL:
SETS:
    STUDENTS/S1..S8/;
    PAIRS(STUDENTS,STUDENTS)|&2#GT#&1:
    BENEFIT,MATCH;
ENDSETS

DATA:
    BENEFIT=
    9 3 4 2 1 5 6
      1 7 3 5 2 1
        4 4 2 9 2
          1 5 5 2
            8 7 6
            2 3
            4;
ENDDATA

[OBJECTIVE] MAX=@SUM(PAIRS(I,J):BENEFIT(I,J)*MATCH(I,J));
@FOR(STUDENTS(I):[CONSTRAINTS] @SUM(PAIRS(J,K)|J#EQ#I#OR#K#EQ#I:MATCH(J,K))=1);
@FOR(PAIRS(I,J):@BIN(MATCH(I,J)));

END

运行结果：

点击LINGO->SOLUTION

点击OK后，

结果显示。