lingo解非线性规划.ppt
《lingo解非线性规划.ppt》由会员分享,可在线阅读,更多相关《lingo解非线性规划.ppt(138页珍藏版)》请在三一办公上搜索。
1、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),三、LINGO软件的基本使用方法,1、Lingo入门2、在Lingo中使用集合3、运算符和函数4、Lingo的主要菜单命令,1、Lingo入门,LINGO的界面,LINGO软件的主窗口(用户界面),所有其他窗口都在这个窗口之内。,模型窗口(Model Window
2、),用于输入LINGO优化模型(即LINGO程序)。,状态行(最左边显示“Ready”,表示“准备就绪”),当前时间,当前光标的位置,简单程序举例:,Lindo程序:max 2x+3yst4x+3y103x+5y12end,Lingo 程序:MODEL:max=2*x+3*y;4*x+3*y10;3*x+5*y12;end,请大家仔细区分它们的不同。,求z=2x+3y在约束条件4x+3y=10,3x+5y=12下的最大值,这是lingo程序最基本的格式之一,在lingo模型窗口中输入右框中的程序,并保存为LG4 格式文件,这是LINGO格式的模型文件,保存了模型窗口中所能够看到的所有文本和其他
3、对象及其格式信息;,在LINGO中使用LINDO模型,运行程序:点“LINGO菜单Solve 命令”或 按ctrl+s运行 或 用鼠标点,在LINGO中使用LINDO模型,运行状态窗口,求解器(求解程序)状态框,当前解的状态:Global Optimum,Local Optimum,Feasible,Infeasible“(不可行),Unbounded“(无界),Interrupted“(中断),Undetermined“(未确定),解的目标函数值,运行程序的LINGO报告窗口(如下图),在LINGO中使用LINDO模型,注:LINGO不询问是否进行敏感性分析,敏感性分析需要将来通过修改系统选
4、项启动敏感性分析后,再调用“REPORT|RANGE”菜单命令来实现。现在同样可以把模型和结果报告保存在文件中。,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:,max=98*x1+277*x2-x12-0.3*x1*x2-2*x22;LINGO总是根据“MAX=”或“MIN=”寻找目标函数。gin(x1);gin(x2);限定变量取整数值的语句为“GIN(X1)”和“GIN(X2)”LINGO中函数一律需要以“”开头。BIN(x)限定变量x为0/1变量函数FREE(x)设定变量x的取值范围为实数。注意:如果0/1变量的个数很多,还可
5、以采用循环语句设定。,选择全局求解的方法:点 Lindo菜单optionsGlobal Solver,在use Global Solver前打钩。点 save,应用,ok.然后运行这个程序,输出结果:,最优整数解X=(35,65),最大利润=11077.5,一个简单的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L
6、INGO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))。,课堂练习:求解下列模型,二、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
7、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?,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。,第一季度 第二季度 第三季度 第四季度DEM:需求量(为已知)40 60 75 25RP:正常生产的产量 OP:加班生产的产量 INV:库存量,总费用:四个季度的(生产费用+加班费用+库存费用),设,问题的模型(可以看出是LP模型
8、),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,正常生产的产量,加班产量,库存量,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
9、,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,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“”,由于本例中目标函数对集合QUARTERS的所有元素(下标)都要求和
10、,所以可以将下标i省去。,min=sum(Quarters:400*RP+450*OP+20*INV);,SUM(集合(下标):关于集合的属性的表达式),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。这个语句可以简化成“FOR(QUARTERS:RP40);”。,for(quarters(I):RP(I)40);,For(Quarters(I)|I#GT#1:INV(I)=
11、INV(I-1)+RP(I)+OP(I)-DEM(I););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,Lingo模型的基本结构,(1)集合段(SETS):sets:Quarters/1,2,3,4/:DEM,RP,OP,INV,I;endsets或者 sets:Quarters/1.
12、4/:DEM,RP,OP,INV,I;endsets(2)目标与约束段:min=sum(Quarters:400*RP+450*OP+20*INV);For(quarters(I):RP(I)40);For(Quarters(I)|I#GT#1:INV(I)=INV(I-1)+RP(I)+OP(I)-DEM(I););INV(1)=10+RP(1)+OP(1)-DEM(1);,(3)数据段(DATA):,DATA:DEM=40,60,75,25;(或写成DEM=40 60 75 25;)Enddata,(4)初始段(INIT):以“INIT:”开始,“ENDINIT”结束,对集合的属性(数组)
13、定义初值(因为求解算法一般是迭代算法,所以用户如果能给出一个比较好的迭代初值,对提高算法的计算效果是有益的)。如果有一个接近最优解的初值,对LINGO求解模型是有帮助的。定义初值的格式为:“attribute(属性)=value_list(常数列表);”这与数据段中的用法是类似的。上例中没有初始化部分,我们将在下一个例子中举例说明。,(5)计算段(CALC):以“CALC:”开始,“ENDCALC”结束,对一些原始数据进行计算处理。在实际问题中,输入的数据通常是原始数据,不一定能在模型中直接使用,可以在这个段对这些原始数据进行一定的“预处理”,得到模型中真正需要的数据。,例如上例,如果希望得到
14、全年的总需求和季度平均需求,可以增加这个段:CALC:T_DEM=SUM(quarters:DEM);!总需求;A_DEM=T_DEM/size(quarters);!平均需求;ENDCALC在计算段中也可以使用集合函数(其中函数size(quarters)表示集合quarters的元素个数,这里也就是4)。这时,变量T_DEM的值就是总需求,A_DEM的值就是平均需求(如果需要的话,这两个变量就可以在程序的其它地方作为常数使用了)。注:上面的两个语句不能交换顺序,因为计算A_DEM必须要用到T_DEM的值。此外,在计算段中只能直接使用赋值语句,而不能包含需要经过解方程或经过求解优化问题以后才
15、能决定的变量。,基本集合与派生集合,例3.4 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
16、诉LINGO。,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
17、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
18、,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。,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
19、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
20、=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
21、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
22、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
23、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。,例 某班8名同学准备分成4个调查队(
24、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?,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ij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
25、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):,问题的LINGO求解,“S1.S8”等价于写成“S1 S2 S3 S4 S5 S6 S7 S8”,它没有相关的属性列表,只用于表示是一个下标集合,在派生集合PAIRS定义中增加了过滤条件“&2#GT#&1”,意思是第2个父集合的元素的索引值(用“&2”表示)大于第1个父集合的元素的索引值(用“&1”表示)。PAIRS中的元素对应于上表中的严格上三角部分的二维下标(共28个元素)。BENEFIT和MATCH是PAIRS的属性。,注意数据段对BENEFIT
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- lingo 非线性 规划
链接地址:https://www.31ppt.com/p-5437880.html