优化建模与LINGO简介.ppt

优化建模与LINDO/LINGO软件,最优化是工程技术、经济管理、科学研究、社会生活中经常遇到的问题,如:,优化模型和算法的重要意义,结构设计,资源分配,生产计划,运输方案,解决优化问题的手段,经验积累，主观判断,作试验，比优劣,建立数学模型，求解最优策略,最优化:在一定条件下，寻求使目标最大(小)的决策,优化问题三要素：决策变量；目标函数；约束条件,优化问题的一般形式,无约束优化(没有约束)与约束优化(有约束)可行解（只满足约束）与最优解(取到最优值),局部最优解与整体最优解,局部最优解(Local Optimal Solution,如 x1)整体最优解(Global Optimal Solution,如 x2),优化模型的简单分类,线性规划(LP)目标和约束均为线性函数 非线性规划(NLP)目标或约束中存在非线性函数 二次规划(QP)目标为二次函数、约束为线性 整数规划(IP)决策变量(全部或部分)为整数 整数线性规划(ILP)，整数非线性规划(INLP)纯整数规划(PIP),混合整数规划(MIP)一般整数规划，0-1（整数）规划,连续优化,离散优化,数学规划,优化模型的简单分类和求解难度,优化,线性规划,非线性规划,二次规划,连续优化,整数规划,问题求解的难度增加,2.优化问题的建模实例,50桶牛奶,时间480小时,至多加工100公斤A1,制订生产计划，使每天获利最大,35元可买到1桶牛奶，买吗？若买，每天最多买多少?,可聘用临时工人，付出的工资最多是每小时几元?,A1的获利增加到 30元/公斤，应否改变生产计划？,每天：,线性规划模型例1:奶制品生产计划,x1桶牛奶生产A1,x2桶牛奶生产A2,获利 243x1,获利 164 x2,原料供应,劳动时间,加工能力,决策变量,目标函数,每天获利,约束条件,非负约束,线性规划模型(LP),时间480小时,至多加工100公斤A1,模型求解,图解法,约束条件,目标函数,z=c(常数)等值线,在B(20,30)点得到最优解,目标函数和约束条件是线性函数,可行域为直线段围成的凸多边形,目标函数的等值线为直线,最优解一定在凸多边形的某个顶点取得。,求解LP的基本思想,思路：从可行域的某一顶点开始，只需在有限多个顶点中一个一个找下去，一定能得到最优解。,LP的约束和目标函数均为线性函数,2维,可行域 线段组成的凸多边形,目标函数 等值线为直线,最优解 凸多边形的某个顶点,n维,超平面组成的凸多面体,等值线是超平面,凸多面体的某个顶点,LP的通常解法是单纯形法(G.B.Dantzig,1947),内点算法(Interior point method)20世纪80年代人们提出的一类新的算法内点算法也是迭代法，但不再从可行域的一个顶点转换到另一个顶点，而是直接从可行域的内部逼近最优解。,LP其他算法,有效集(Active Set)方法 LP是QP的特例（只需令所有二次项为零即可）可以用QP的算法解QP(如:有效集方法),线性规划模型的解的几种情况,某厂生产两个牌号的同一种产品，如何确定产量使利润最大,二次规划模型产销计划问题,=（100-x1-0.1 x2-2）x1+（280-0.2x1-2x2-3）x2=98 x1+277 x2 x12 0.3 x1 x2 2x22,约束,x1+x2 100 x1 2 x2x1,x2 0,二次规划模型(QP),若还要求产量为整数，则是整数二次规划模型(IQP),非线性规划模型选址问题,某公司有6个建筑工地，位置坐标为(ai,bi)(单位：公里),水泥日用量di(单位：吨）,假设：料场和工地之间有直线道路,用例中数据计算，最优解为,总吨公里数为136.2,线性规划模型(LP),决策变量：ci j(料场j到工地i的运量）12维,选址问题：NLP,2）改建两个新料场，需要确定新料场位置(xj,yj)和运量cij，在其它条件不变下使总吨公里数最小。,决策变量：ci j，(xj,yj)16维,非线性规划模型(NLP),整数规划-聘用方案,决策变量：周一至周日每天(新)聘用人数 x1,x2,x7,目标函数：7天(新)聘用人数之和,约束条件：周一至周日每天需要人数,连续工作5天,设系统已进入稳态（不是开始的几周）,聘用方案,整数规划模型(IP),丁的蛙泳成绩退步到115”2；戊的自由泳成绩进步到57”5,组成接力队的方案是否应该调整？,如何选拔队员组成4100米混合泳接力队?,0-1规划 混合泳接力队的选拔,5名候选人的百米成绩,穷举法：,目标函数,若选择队员i参加泳姿j 的比赛，记xij=1,否则记xij=0,0-1规划模型,cij(秒)队员i 第j 种泳姿的百米成绩,约束条件,每人最多入选泳姿之一,每种泳姿有且只有1人,0-1规划:整数规划的特例,无约束优化,更多的优化问题,线性规划,非线性规划,网络优化,组合优化,整数规划,不确定规划,多目标规划,目标规划,动态规划,连续优化,离散优化,从其他角度分类,应用广泛：生产和运作管理、经济与金融、图论和网络优化、目标规划问题、对策论、排队论、存储论，以及更加综合、更加复杂的决策问题等 实际问题规模往往较大，用软件求解比较方便,3.LINDO/LINGO软件简介,LINDO 公司软件产品简要介绍,美国芝加哥(Chicago)大学的Linus Schrage教授于1980年前后开发,后来成立 LINDO系统公司（LINDO Systems Inc.），网址：http:/,LINDO:Linear INteractive and Discrete Optimizer(V6.1)LINDO API:LINDO Application Programming Interface(V4.1)LINGO:Linear INteractive General Optimizer(V10.0)Whats Best!:(SpreadSheet e.g.EXCEL)(V8.0),演示(试用)版、高级版、超级版、工业版、扩展版（求解问题规模和选件不同）,LP QP NLP IP 全局优化(选)ILP IQP INLP,LINGO软件的求解过程,LINGO预处理程序,线性优化求解程序,非线性优化求解程序,分枝定界管理程序,1.确定常数2.识别类型,1.单纯形算法2.内点算法(选),1、顺序线性规划法(SLP)2、广义既约梯度法(GRG)(选)3、多点搜索(Multistart)(选),建模时需要注意的几个基本问题,1、尽量使用实数优化，减少整数约束和整数变量2、尽量使用光滑优化，减少非光滑约束的个数 如：尽量少使用绝对值、符号函数、多个变量求最大/最小值、四舍五入、取整函数等3、尽量使用线性模型，减少非线性约束和非线性变量的个数（如x/y 5 改为x5y）4、合理设定变量上下界，尽可能给出变量初始值 5、模型中使用的参数数量级要适当(如小于103),安装文件20M多一点，需要接受安装协议、选择安装目录（缺省C:LINGO9）。,LINGO软件的安装,安装过程:与LINDO for Windows类似.,安装完成前，在出现的对话框(如图)中选择缺省的建模(即编程)语言，系统推荐的是采用LINGO。安装后可通过“LINGO|Options|File Format”命令修改缺省的建模（即编程）语言。,第一次运行时提示输入授权密码，如图：,一个简单的LINGO程序,例 直接用LINGO来解如下二次规划问题：,输入窗口如下：,程序语句输入的备注：,LINGO总是根据“MAX=”或“MIN=”寻找目标函数，而除注释语句和TITLE语句外的其他语句都是约束条件，因此语句的顺序并不重要。限定变量取整数值的语句为“GIN(X1)”和“GIN(X2)”，不可以写成“GIN(2)”，否则LINGO将把这个模型看成没有整数变量。LINGO中函数一律需要以“”开头，其中整型变量函数（BIN、GIN）和上下界限定函数（FREE、SUB、SLB）与LINDO中的命令类似。而且0/1变量函数是BIN函数。,输出结果：,运行菜单命令“LINGO|Solve”,最优整数解X=(35，65),最大利润=11077.5,输出结果备注：,通过菜单“WINDOW|Status Window”看到状态窗口，可看到最佳目标值“Best Obj”与问题的上界“Obj Bound”已经是一样的，当前解的最大利润与这两个值非常接近，是计算误差引起的。如果采用全局最优求解程序(后面介绍)，可以验证它就是全局最优解。,LINGO是将它作为PINLP(纯整数非线性规划)来求解，因此找到的是局部最优解。,一个简单的LINGO程序,LINGO的基本用法的几点注意事项,LINGO中不区分大小写字母；变量和行名可以超过8个字符，但不能超过32个字符，且必须以字母开头。用LINGO解优化模型时已假定所有变量非负(除非用限定变量取值范围的函数free或sub或slb另行说明)。变量可以放在约束条件的右端(同时数字也可放在约束条件的左端)。但为了提高LINGO求解时的效率，应尽可能采用线性表达式定义目标和约束(如果可能的话)。语句是组成LINGO模型的基本单位,每个语句都以分号结尾，编写程序时应注意模型的可读性。例如：一行只写一个语句，按照语句之间的嵌套关系对语句安排适当的缩进，增强层次感。以感叹号开始的是说明语句(说明语句也需要以分号结束)）。,集合的基本用法和LINGO模型的基本要素,理解LINGO建模语言最重要的是理解集合（Set）及其属性（Attribute）的概念。,例 SAILCO公司需要决定下四个季度的帆船生产量。下四个季度的帆船需求量分别是40条，60条，75条，25条，这些需求必须按时满足。每个季度正常的生产能力是40条帆船，每条船的生产费用为400美元。如果加班生产，每条船的生产费用为450美元。每个季度末，每条船的库存费用为20美元。假定生产提前期为0，初始库存为10条船。如何安排生产可使总费用最小？,用DEM,RP,OP,INV分别表示需求量、正常生产的产量、加班生产的产量、库存量，则DEM,RP,OP,INV对每个季度都应该有一个对应的值，也就说他们都应该是一个由4个元素组成的数组，其中DEM是已知的，而RP,OP,INV是未知数。,问题的模型(可以看出是LP模型),目标函数是所有费用的和,约束条件主要有两个：,1）能力限制：,2）产品数量的平衡方程：,加上变量的非负约束,注：LINDO中没有数组，只能对每个季度分别定义变量，如正常产量就要有RP1，RP2，RP3，RP4 4个变量等。写起来就比较麻烦，尤其是更多(如1000个季度)的时候。记四个季度组成的集合QUARTERS=1，2，3，4，它们就是上面数组的下标集合，而数组DEM,RP,OP,INV对集合QUARTERS中的每个元素1，2，3，4分别对应于一个值。LINGO正是充分利用了这种数组及其下标的关系，引入了“集合”及其“属性”的概念，把QUARTERS=1，2，3，4称为集合，把DEM,RP,OP,INV称为该集合的属性(即定义在该集合上的属性)。,集合及其属性,集合元素及集合的属性确定的所有变量,LINGO中定义集合及其属性,LP模型在LINGO中的一个典型输入方式,以“MODEL：”开始,以“END”结束,给出优化目标和约束,目标函数的定义方式,SUM(集合（下标）：关于集合的属性的表达式),对语句中冒号“：”后面的表达式，按照“：”前面的集合指定的下标（元素）进行求和。,本例中目标函数也可以等价地写成SUM(QUARTERS(i):400*RP(i)+450*OP(i)+20*INV(i)，“SUM”相当于求和符号“”，“QUARTERS(i)”相当于“iQUARTERS”的含义。由于本例中目标函数对集合QUARTERS的所有元素(下标)都要求和，所以可以将下标i省去。,约束的定义方式,循环函数FOR(集合(下标)：关于集合的属性的约束关系式),对冒号“：”前面的集合的每个元素（下标），冒号“：”后面的约束关系式都要成立,本例中，每个季度正常的生产能力是40条帆船，这正是语句“FOR(QUARTERS(I):RP(I)40);”的含义。由于对所有元素(下标I),约束的形式是一样的，所以也可以像上面定义目标函数时一样，将下标i省去，这个语句可以简化成“FOR(QUARTERS:RP40);”。,本例中，对于产品数量的平衡方程，由于下标i=1时的约束关系式与i=2，3，4时有所区别，所以不能省略下标“i”。实际上，i=1时要用到变量INV（0），但定义的属性变量中INV不包含INV（0）(INV(0)=10是一个已知的)。为了区别i=1和i=2，3，4，把i=1时的约束关系式单独写出，即“INV(1)=10+RP(1)+OP(1)-DEM(1);”；而对i=2，3，4对应的约束，对下标集合的元素（下标i）增加了一个逻辑关系式“i#GT#1”（这个限制条件与集合之间有一个竖线“|”分开，称为过滤条件）。限制条件“i#GT#1”是一个逻辑表达式，意思就是i1；“#GT#”是逻辑运算符号，意思是“大于（Greater Than的字首字母缩写）”。,约束的定义方式,问题的求解：运行菜单命令“LINGO|Solve”,最小成本=78450,注：由于输入中没有给出行名，所以行名是系统自动按照行号1-9生成的。选择菜单命令“LINGO|Generate|Disply model（Ctrl+G）”，可以得到展开形式的模型(如图)，可以看到完整的模型，也能确定行号(行号放在方括号“”中，且数字前面带有下划线“_”)。最好在输入模型时用户主动设定约束的行名(即约束名)，使程序清晰些。单一约束的行名设置方法就是将行名放在方括号“”中，置于约束之前。后面将结合具体例子介绍在使用集合的情况下如何设置行名。,基本集合与派生集合,例 建筑工地的位置(用平面坐标a,b表示，距离单位：公里)及水泥日用量d(吨)下表给出。有两个临时料场位于P(5,1),Q(2,7),日储量各有20吨。从A,B两料场分别向各工地运送多少吨水泥，使总的吨公里数最小。两个新的料场应建在何处，节省的吨公里数有多大？,建立模型,记工地的位置为，水泥日用量为；料场位置为，日储量为；从料场 向工地 的运送量为。,使用现有临时料场时，决策变量只有（非负），所以这是LP模型；当为新建料场选址时决策变量为 和，由于目标函数 对 是非线性的，所以在新建料场时是NLP模型。先解NLP模型，而把现有临时料场的位置作为初始解告诉LINGO。,本例中集合的概念,利用集合的概念，可以定义需求点DEMAND和供应点SUPPLY两个集合，分别有6个和2个元素(下标)。但决策变量(运送量)与集合DEMAND和集合SUPPLY都有关系的。该如何定义这样的属性？,集合的属性相当于以集合的元素为下标的数组。这里的 相当于二维数组。它的两个下标分别来自集合DEMAND和SUPPLY，因此可以定义一个由二元对组成的新的集合，然后将 定义成这个新集合的属性。,输入程序,定义了三个集合，其中LINK在前两个集合DEMAND 和SUPPLY的基础上定义,表示集合LINK中的元素就是集合DEMAND 和SUPPLY的元素组合成的有序二元组，从数学上看LINK是DEMAND 和SUPPLY的笛卡儿积，也就是说LINK=（S，T）|SDEMAND，TSUPPLY因此，其属性C也就是一个6*2的矩阵（或者说是含有12个元素的二维数组）。,LINGO建模语言也称为矩阵生成器（MATRIX GENERATOR）。类似DEMAND 和SUPPLY直接把元素列举出来的集合，称为基本集合(primary set),而把LINK这种基于其它集合而派生出来的二维或多维集合称为派生集合(derived set)。由于是DEMAND 和SUPPLY生成了派生集合LINK，所以DEMAND 和SUPPLY 称为LINK的父集合。,输入程序,初始段,INGO对数据是按列赋值的 语句的实际赋值顺序是X=(5,2),Y=(1,7),而不是X=(5,1),Y=（2,7)等价写法：“X=5,2；Y=1,7；”,同理，数据段中对常数数组A，B的赋值语句也可以写成A,B=1.25 1.25 8.75 0.75 0.5 4.75 5.75 5 3 6.5 7.25 7.75；,输入程序,解答:运行菜单命令“LINGO|Solve”,局部最优解X(1)=7.249997，X(2)=5.695940，Y(1)=7.749998，Y(2)=4.928524，C（略），最小运量=89.8835(吨公里)。,问题:最小运量89.8835是不是全局最优,是用“LINGO|Options”菜单命令打开选项对话框，在“Global Solver”选项卡上选择“Use Global Solver”,激活全局最优求解程序。,问题:最小运量89.8835是不是全局最优,此时目标函数值的下界（Obj Bound=85.2638）与目前得到的最好的可行解的目标函数值（Best Obj=85.2661）相差已经非常小，可以认为已经得到了全局最优解。,计算结果,工地与料场示意图:“*”表示料场，“+”表示工地,可以认为是模型的最后结果,附注：如果要把料厂P(5,1),Q(2,7)的位置看成是已知并且固定的，这时是LP模型。只需要把初始段的“X Y=5，1，2，7；”语句移到数据段就可以了。此时，运行结果告诉我们得到全局最优解（变量C的取值这里略去），最小运量136.2275(吨公里)。,稠密集合与稀疏集合,包含了两个基本集合构成的所有二元有序对的派生集合称为稠密集合(简称稠集)。有时候，在实际问题中，一些属性(数组)只在笛卡儿积的一个真子集合上定义，这种派生集合称为稀疏集合(简称疏集)。,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?,分析,假设从S到T的最优行驶路线 P 经过城市C1,则P中从S到C1的子路也一定是从S到C1的最优行驶路线;假设 P 经过城市C2,则P中从S到C2的子路也一定是从S到C2的最优行驶路线.因此,为得到从S到T的最优行驶路线,只需要先求出从S到Ck(k=1,2)的最优行驶路线,就可以方便地得到从S到T的最优行驶路线.同样,为了求出从S到Ck(k=1,2)的最优行驶路线,只需要先求出从S到Bj(j=1,2)的最优行驶路线;为了求出从S到Bj(j=1,2)的最优行驶路线,只需要先求出从S到Ai(i=1,2,3)的最优行驶路线.而S到Ai(i=1,2,3)的最优行驶路线是很容易得到的(实际上,此例中S到Ai(i=1,2,3)只有唯一的道路),分析,此例中可把从S到T的行驶过程分成4个阶段,即 SAi(i=1,2或3),Ai Bj(j=1或2),Bj Ck(k=1或2),Ck T.记d(Y,X)为城市Y与城市X之间的直接距离(若这两个城市之间没有道路直接相连，则可以认为直接距离为)，用L(X)表示城市S到城市X的最优行驶路线的路长:,本例的计算,所以,从S到T的最优行驶路线的路长为20.进一步分析以上求解过程,可以得到从S到T的最优行驶路线为S A3 B2 C1 T.,这种计算方法在数学上称为动态规划(Dynamic Programming),本例的LINGO求解,“CITIES”(城市):一个基本集合(元素通过枚举给出),L:CITIES对应的属性变量(我们要求的最短路长),“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。,D:稀疏集合ROADS对应的属性变量(给定的距离),本例的LINGO求解,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)。,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。,本例的LINGO求解,虽然集合CITIES中的元素不是数字，但当它以CITIES(I)的形式出现在循环中时，引用下标I却实际上仍是正整数，也就是说I指的正是元素在集合中的位置(顺序)，一般称为元素的索引(INDEX)。,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。,本例的LINGO求解结果,从S到T的最优行驶路线的路长为20(进一步分析，可以得到最优行驶路线为S A3 B2 C1 T)。,本例中定义稀疏集合ROADS的方法是将其元素通过枚举给出，有时如果元素比较多，用起来不方便。另一种定义稀疏集合的方法是“元素过滤”法，能够从笛卡儿积中系统地过滤下来一些真正的元素。,集合的使用小结,集合的不同类型及其关系,运算符及其优先级,算术运算符,加、减、乘、除、乘方等数学运算(即数与数之间的运算，运算结果也是数)。LINGO中的算术运算符有以下5种：+（加法），（减法或负号），*（乘法），/（除法），(求幂)。,逻辑运算符,运算结果只有“真”(TRUE)和“假”(FALSE)两个值(称为“逻辑值”)，LINGO中用数字1代表TRUE，其他值(典型的值是0)都是FALSE。在LINGO中，逻辑运算(表达式)通常作为过滤条件使用,逻辑运算符有9种，可以分成两类：#AND#(与),#OR#(或),#NOT#(非)：逻辑值之间的运算，它们操作的对象本身已经是逻辑值或逻辑表达式，计算结果也是逻辑值。#EQ#(等于),#NE#(不等于),#GT#(大于),#GE#(大于等于),#LT#(小于),#LE#(小于等于)：是“数与数之间”的比较,也就是它们操作的对象本身必须是两个数,计算得到的结果是逻辑值。,关系运算符,表示是“数与数之间”的大小关系，在LINGO中用来表示优化模型的约束条件。LINGO中关系运算符有3种：(即=，大于等于)(在优化模型中约束一般没有严格小于、严格大于关系),运算符的优先级,变量定界函数,对变量的取值范围附加限制，共有以下四种：BND(L,X,U)：限制L=X=U。注意LINGO中没有与LINDO命令SLB、SUB类似的函数SLB和SUBBIN(X)：限制X为0或1。注意LINDO中的命令是INT，但LINGO中这个函数的名字却不是INT(X)FREE(X)：取消对X的符号限制（即可取负数、0或正数）GIN(X)：限制X为整数,LINGO的主要菜单命令,工具栏,File|Open（F3）打开文件,File|Print（F7）打印文件,Edit|Copy(Ctrl+C)复制,Edit|Undo(Ctrl+Z)取消操作,Edit|Find(Ctrl+F)查找,LINGO|Solution(Alt+O)显示解答,Edit|Match Parenthesis(Ctrl+P)匹配括号,LINGO|Options(Ctrl+I)选项设置,Window|Close All(Alt+X)关闭所有窗口,Help|Contents（F1）在线帮助,File|New（F2）新建文件,File|Save(F4)保存文件,Edit|Cut(Ctrl+X)剪切,Edit|Paste(Ctrl+V)粘贴,Edit|Redo(Ctrl+Y)恢复操作,Edit|Go To Line(Ctrl+T)定位某行,LINGO|Solve(Ctrl+S)求解模型,LINGO|Picture(Ctrl+K)模型图示,Window|Send to Back(Ctrl+B)窗口后置,Window|Tile(Alt+T)平铺窗口,上下文相关的帮助,文件(File)主菜单,File|Export File优化模型输出到文件，有两个子菜单，分别表示两种输出格式（都是文本文件）：MPS Format（MPS格式）：是IBM公司制定的一种数学规划文件格式。MPI Format（MPI格式）：是LINDO公司制定的一种数学规划文件格式。File|User Database Info 弹出对话框，用户输入用户使用数据库时需要验证的用户名（User ID）和密码（Password），这些信息在使用ODBC()函数访问数据库时要用到。,编辑（Edit）主菜单,将WINDOWS剪贴板中的内容粘贴到当前光标处。“Edit|Paste（粘贴命令）”仅用于剪贴板中的内容是文本的情形。“Edit|Paste Special（特殊粘贴命令）”可以用于剪贴板中的内容不是文本的情形，可以插入其它应用程序中生成的对象（Object）或对象的链接（Link）。例如，LINGO模型中可能会在数据段用到从其它应用程序中生成的数据对象（如EXCEL电子表格数据），这时用“Edit|Paste Special”是很方便的。,Edit|Paste 和Edit|Paste Special,编辑（Edit）主菜单,Edit|Match Parenthesis,用于匹配模型中的括号：如果当前没有选定括号，则把光标移动到离当前光标最近的一个括号并选中这个括号。当选定一个括号后，则把光标移动到与这个括号相匹配的括号并选中这个括号。,Edit|Paste Function,还有下一级子菜单和下下一级子菜单，用于按函数类型选择LINGO的某个函数，粘贴到当前光标处。,编辑（Edit）主菜单,Edit|Select Font,弹出对话框，控制显示字体、字形、大小、颜色、效果等。注：这些显示特性只有当文件保存为LINGO格式（*.LG4）的文件时才能保存下来。此外，如果“按语法显示色彩”选项是有效的(参见“LINGO|Options”)，在模型窗口中将不能通过“Edit|Select Font”菜单命令控制文本的颜色。,编辑（Edit）主菜单,Edit|Insert New Object,插入其它应用程序中生成的整个对象或对象的链接。前面介绍过的“Edit|Paste Special”与此类似，但“Paste Special”命令一般用于粘贴某个外部对象的一部分，而这里的命令是插入整个对象或对象的链接。,Edit|Links,在模型窗口中选择一个外部对象的链接，然后选择“Edit|Links（链接）”命令，则弹出一个对话框，可以修改这个外部对象的链接属性。,编辑（Edit）主菜单,Edit|Object Properties,在模型窗口中选择一个链接或嵌入对象（OLE），然后选择“Edit|Object Properties（对象属性）”命令，则弹出一个对话框，可以修改这个对象的属性。主要包括以下属性：display of the object：对象的显示;the objects source:对象的源;type of update(automatic or manual):修改方式（自动或人工修改）；opening a link to the object：打开对象的一个链接；updating the object：修改对象；breaking the link to the object：断开对象的链接。,LINGO系统(LINGO)主菜单,LINGO|LOOK（模型显示）,模型窗口下才能使用，按照LINGO模型的输入形式以文本方式显示，显示时对输入的所有行(包括说明语句)按顺序编号。将弹出一个对话框，在对话框中选择“All”将对所有行进行显示，也可以选择“Selected”输入起始行，这时只显示相应行的内容。,LINGO|Generate和LINGO|Picture,都是在模型窗口下才能使用，它们的功能是按照LINGO模型的完整形式（例如将属性按下标（集合的每个元素）展开）显示目标函数和约束（只有非零项会显示出来）。,LINGO系统(LINGO)主菜单,LINGO|Generate,结果以代数表达式的形式给出，按照是否在屏幕上显示结果的要求，可以选择“Display model（Ctrl+G）”和“Dont display model（Ctrl+Q）”两个子菜单供选择。在屏幕上不显示时，运行该命令的目的可能仅仅是为了以后选择适当的求解程序使用。例如，选址问题，LINGO|Generate命令显示的结果如图。注：在LINGO 8.0以及更早以前的版本中，如果有非线性变量项，对应的非线性变量前的系数将以问号（“？”）显示。,LINGO系统(LINGO)主菜单,LINGO|Generate,结果按照矩阵形式以图形方式给出。例：选址问题，该命令的结果如图。该显示中非线性项的系数以黑色显示为“？”，线性项的系数为正时显示为兰色，为负则为红色(本例没有红色)。在这个图形上单击鼠标右键，可以出现一个相关联的显示控制菜单(如图中写有“Zoom In”的菜单所示)，这个菜单可以控制图形显示的内容的放大(Zoom In)、缩小(Zoom Out)、显示全部内容(View All),也可以控制该窗口是否显示行名(Row Names)、变量名(Var Names)、滚动条(Scroll Bars)。,LINGO系统(LINGO)主菜单,LINGO|Options命令,打开一个含有7个选项卡的窗口,通过它修改LINGO系统的各种控制参数和选项。,新的设置生效,新的设置生效，并关闭窗口,当前设置变为默认设置，下次启动LINGO时这些设置仍然有效,恢复LINGO系统定义的原始默认设置(缺省设置),废弃本次操作，退出对话框,显示本对话框的帮助信息,LINGO|Options|Interface（界面）选项卡,错误信息对话框:如果选择该选项，求解程序遇到错误时将打开一个对话框显示错误，关闭该对话框后程序才会继续执行；否则，错误信息将在报告窗口显示，程序仍会继续执行,弹出屏幕:如果选择该选项，则LINGO每次启动时会在屏幕上弹出一个对话框，显示LINGO的版本和版权信息；否则不弹出,解的截断:小于等于这个值的解将报告为“0”（缺省是10-9）,填充数据库表:当LINGO向电子表（如EXCEL文件）或数据库中输出数据时，如果电子表或数据库中用来接收收据的空间大于实际输出的数据占用的空间，是否对多余的表空间进行数据填充？（缺省值为不进行填充）,LINGO|Options|Interface（界面）选项卡,状态栏:如果选择该选项，则LINGO系统在主窗口最下面一行显示状态栏；否则不显示,状态窗口:如果选择该选项，则LINGO系统每次运行LINGO|Solve命令时会在屏幕上弹出状态窗口；否则不弹出,工具栏:如果选择该选项，则显示工具栏；否则不显示,简洁输出:如果选择该选项，则LINGO系统对求解结果报告等将以简洁形式输出；否则以详细形式输出,LINGO|Options|Interface（界面）选项卡,LINGO扩展格式:模型文件的缺省保存格式是lg4格式（这是一种二进制文件，只有LINGO能读出）,LINDO纯文本格式:模型文件的缺省保存格式变为LINDO格式（纯文本）,LINGO纯文本格式:模型文件的缺省保存格式变为lng格式（纯文本）,LINGO|Options|Interface（界面）选项卡,行数限制:语法配色的行数限制（缺省为1000）。LINGO模型窗口中将LINGO关键此显示为兰色，注释为绿色，其他为黑色，超过该行数限制后则不再区分颜色。特别地，设置行数限制为0时，整个文件不再区分颜色。,括号匹配:如果选择该选项，则模型中当前光标所在处的括号及其相匹配的括号将以红色显示；否则不使用该功能,延迟:设置语法配色的延迟时间（秒，缺省为0，从最后一次击键算起）。,LINGO|Options|Interface（界面）选项卡,报告发送到命令窗口:如果选择该选项，则输出信息会发送到命令窗口；否则不使用该功能,输入信息反馈:如果选择该选项，则用File|Take Command命令执行命令脚本文件时，处理信息会发送到命令窗口；否则不使用该功能,页面大小限制:命令窗口每次显示的行数的最大值为Length（缺省为没有限制），显示这么多行后会暂停，等待用户响应；每行最大字符数为Width（缺省为74，可以设定为64-200之间），多余的字符将被截断,行数限制:命令窗口能显示的行数的最大值为Maximum（缺省为800）；如果要显示的内容超过这个值，每次从命令窗口滚动删除的最小行数为Minimum（缺省为400）,LINGO|Options|General Solver(通用求解程序)选项卡,矩阵生成器的内存限制:缺省值为32M，矩阵生成器使用的内存超过该限制，LINGO将报告The model generator ran out of memory,运行限制:迭代次数:求解一个模型时，允许的最大迭代次数（缺省值为无限）,运行限制:运行时间:求解一个模型时，允许的最大运行时间（秒）（缺省值为无限）,对偶计算:求解时控制对偶计算的级别，有三种可能的设置：None:不计算任何对偶信息；Prices：计算对偶价格（缺省设置）；Prices and Ranges:计算对偶价格并分析敏感性;Prices,Opt Only:只计算最优行的对偶价格。,LINGO|Options|General Solver(通用求解程序)选项卡,固定变量的归结、简化:求解前对固定变量的归结程度（相当于预处理程度）：None：不归结；Always：总是归结；Not with global and multistart：在全局优化和多初值优化程序中不归结。,模型的重新生成:控制重新生成模型的频率，有三种可能的设置：Only when text changes：只有当模型的文本修改后才再生成模型；When text changes or with external references：当模型的文本修改或模型含有外部引用时（缺省设置）；Always：每当有需要时。,LINGO|Options|General Solver(通用求解程序)选项卡,线性化程度:决定求解模型时线性化的程度，有四种可能的设置：Solver Decides：若变量数小于等于12个，则尽可能全部线性化；否则不做任何线性化（缺省设置）None：不做任何线性化Low：对函数ABS(),MAX(),MIN(),SMAX(),SMIN()，以及二进制变量与连续变量的乘积项做线性化High：同上，此外对逻辑运算符#LE#,#EQ#,#GE#,#NE#做线性化,线性化的误差限:设置线性化的误差限（缺省值为10-6）,线性化的大M系数:设置线性化的大M系数（缺省值为106）,LINGO|Options|General Solver(通用求解程序)选项卡,允许无限制地使用基本集合的成员名:选择该选项可以保持与LINGO4.0以前的版本兼容：即允许使用基本集合的成员名称直接作为该成员在该集合的索引值（LINGO4.0以后的版本要求使用INDEX函数）,检查数据和模型中的名称是否重复使用:选择该选项,LINGO将检查数据和模型中的名称是否重复使用，如基本集合的成员名是否与决策变量名重复,检查数据和模型中的名称是否重复使用:选择该选项,LINGO将检查数据和模型中的名称是否重复使用，如基本集合的成员名是否与决策变量名重复,最小化内存使用量:是否最小化内存使用量。缺省设置为“是”。使用这个功能的一个缺点是可能引起计算速度下降,LINGO|OPTIONS|Linear Solver(线性求解程序)选项卡,求解时的算法，有四种可能的设置：Solver Decides