数学规划模型

数学规划模型 实际问题中 的优化模型 gi(x)0~约束条件 x~决策变量 f(x)~目标函数 决策变量个数n和 约束条件个数m较大 线性规划 非线性规划 整数规划 多元函数条件极值 最优解在可行域 的边界上取得 重点在模型的建立和结果的分析

1 奶制品的生产与销售 企业生产计划 空间层次 工厂级：根据外部需求和内部设备、人力、原料等条件，以最大利润为目标制订产品生产计划； 1 奶制品的生产与销售 企业生产计划 空间层次 工厂级：根据外部需求和内部设备、人力、原料等条件，以最大利润为目标制订产品生产计划； 车间级：根据生产计划、工艺流程、资源约束及费用参数等，以最小成本为目标制订生产批量计划。 时间层次 若短时间内外部需求和内部资源等不随时间变化，可制订单阶段生产计划，否则应制订多阶段生产计划。 本节课题

例1 加工奶制品的生产计划 1桶牛奶 3公斤A1 12小时 8小时 4公斤A2 或 获利24元/公斤 获利16元/公斤 每天： 50桶牛奶 例1 加工奶制品的生产计划 1桶牛奶 3公斤A1 12小时 8小时 4公斤A2 或 获利24元/公斤 获利16元/公斤 每天： 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？

1桶牛奶 3公斤A1 12小时 8小时 4公斤A2 或 获利24元/公斤 获利16元/公斤 50桶牛奶 每天 时间480小时 至多加工100公斤A1 决策变量 x1桶牛奶生产A1 x2桶牛奶生产A2 获利 24×3x1 获利 16×4 x2 目标函数 每天获利 线性规划模型(LP) 原料供应 劳动时间 约束条件 加工能力 非负约束

模型分析与假设 线性规划模型 xi对目标函数的“贡献”与xi取值成正比 比例性 xi对约束条件的“贡献”与xi取值成正比 A1,A2每公斤的获利是与各自产量无关的常数 xi对约束条件的“贡献”与xi取值成正比 每桶牛奶加工出A1,A2的数量和时间是与各自产量无关的常数 xi对目标函数的“贡献”与xj取值无关 A1,A2每公斤的获利是与相互产量无关的常数 可加性 xi对约束条件的“贡献”与xj取值无关 每桶牛奶加工出A1,A2的数量和时间是与相互产量无关的常数 连续性 xi取值连续 加工A1,A2的牛奶桶数是实数

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 最优解一定在凸多边形的某个顶点取得。 x1 A B C D 约束条件 l1 l2 l3 l4 l5 Z=3360 Z=2400 c Z=0 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 最优解一定在凸多边形的某个顶点取得。 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

模型求解 软件实现 LINDO 6.1 20桶牛奶生产A1, 30桶生产A2，利润3360元。 max 72x1+64x2 st end OBJECTIVE FUNCTION VALUE 1) 3360.000 VARIABLE VALUE REDUCED COST X1 20.000000 0.000000 X2 30.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 48.000000 3) 0.000000 2.000000 4) 40.000000 0.000000 NO. ITERATIONS= 2 DO RANGE (SENSITIVITY) ANALYSIS? No 20桶牛奶生产A1, 30桶生产A2，利润3360元。

使用LINDO的一些注意事项 “>”（或“<”）号与“>=”（或“<=”）功能相同 变量与系数间可有空格(甚至回车), 但无运算符 变量名以字母开头，不能超过8个字符 变量名不区分大小写（包括LINDO中的关键字） 目标函数所在行是第一行，第二行起为约束条件 行号(行名)自动产生或人为定义。行名以“）”结束 行中注有“!”符号的后面部分为注释。如: ! It’s Comment. 在模型的任何地方都可以用“TITLE” 对模型命名（最多72个字符），如： TITLE This Model is only an Example

使用LINDO的一些注意事项 变量不能出现在一个约束条件的右端 表达式中不接受括号“( )”和逗号“,”等任何符号, 例: 400(X1+X2)需写为400X1+400X2 表达式应化简，如2X1+3X2- 4X1应写成 -2X1+3X2 缺省假定所有变量非负；可在模型的“END”语句后用“FREE name”将变量name的非负假定取消 可在 “END”后用“SUB” 或“SLB” 设定变量上下界 例如： “sub x1 10”的作用等价于“x1<=10” 但用“SUB”和“SLB”表示的上下界约束不计入模型的约束，也不能给出其松紧判断和敏感性分析。 14. “END”后对0-1变量说明：INT n 或 INT name 15. “END”后对整数变量说明：GIN n 或 GIN name

结果解释 “资源” 剩余为零的约束为紧约束（有效约束） max 72x1+64x2 st 2）x1+x2<50 OBJECTIVE FUNCTION VALUE 1) 3360.000 VARIABLE VALUE REDUCED COST X1 20.000000 0.000000 X2 30.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 48.000000 3) 0.000000 2.000000 4) 40.000000 0.000000 NO. ITERATIONS= 2 max 72x1+64x2 st 2）x1+x2<50 3）12x1+8x2<480 4）3x1<100 end 三种资源 原料无剩余 时间无剩余 加工能力剩余40 “资源” 剩余为零的约束为紧约束（有效约束）

最优解下“资源”增加1单位时“效益”的增量 OBJECTIVE FUNCTION VALUE 1) 3360.000 VARIABLE VALUE REDUCED COST X1 20.000000 0.000000 X2 30.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 48.000000 3) 0.000000 2.000000 4) 40.000000 0.000000 NO. ITERATIONS= 2 结果解释 最优解下“资源”增加1单位时“效益”的增量 影子价格 原料增加1单位, 利润增长48 时间增加1单位, 利润增长2 加工能力增长不影响利润 35 <48, 应该买！ 35元可买到1桶牛奶，要买吗？ 聘用临时工人付出的工资最多每小时几元？ 2元！

A1获利增加到 30元/千克，应否改变生产计划 不变！ Yes 最优解不变时目标函数系数允许变化范围 (约束条件不变) DO RANGE(SENSITIVITY) ANALYSIS? Yes 最优解不变时目标函数系数允许变化范围 RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 72.000000 24.000000 8.000000 X2 64.000000 8.000000 16.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 2 50.000000 10.000000 6.666667 3 480.000000 53.333332 80.000000 4 100.000000 INFINITY 40.000000 (约束条件不变) x1系数范围(64,96) x2系数范围(48,72) x1系数由24 3=72增加为303=90，在允许范围内 A1获利增加到 30元/千克，应否改变生产计划 不变！

结果解释 35元可买到1桶牛奶，每天最多买多少？ 最多买10桶! 影子价格有意义时约束右端的允许变化范围 (目标函数不变) 原料最多增加10 RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 72.000000 24.000000 8.000000 X2 64.000000 8.000000 16.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 2 50.000000 10.000000 6.666667 3 480.000000 53.333332 80.000000 4 100.000000 INFINITY 40.000000 原料最多增加10 时间最多增加53 35元可买到1桶牛奶，每天最多买多少？ 最多买10桶!

例2 奶制品的生产销售计划 在例1基础上深加工 50桶牛奶, 480小时 至多100公斤A1 制订生产计划，使每天净利润最大 例2 奶制品的生产销售计划 在例1基础上深加工 1桶牛奶 3千克A1 12小时 8小时 4公斤A2 或 获利24元/公斤 获利16元/公斤 0.8千克B1 2小时,3元 1千克 获利44元/千克 0.75千克B2 2小时,3元 1千克 获利32元/千克 50桶牛奶, 480小时 至多100公斤A1 制订生产计划，使每天净利润最大 30元可增加1桶牛奶，3元可增加1小时时间，应否投资？现投资150元，可赚回多少？ B1，B2的获利经常有10%的波动，对计划有无影响？

决策变量 目标函数 约束条件 1桶牛奶 3千克 A1 12小时 8小时 4千克 A2 或 获利24元/千克 获利16元/kg 0.8千克 B1 2小时,3元 1千克 获利44元/千克 0.75千克 B2 获利32元/千克 决策变量 出售x1 千克 A1, x2 千克 A2， X3千克 B1, x4千克 B2 x5千克 A1加工B1， x6千克 A2加工B2 目标函数 利润 原料供应 加工能力 约束条件 附加约束 劳动时间 非负约束

模型求解 软件实现 LINDO 6.1 DO RANGE (SENSITIVITY) ANALYSIS? No OBJECTIVE FUNCTION VALUE 1) 3460.800 VARIABLE VALUE REDUCED COST X1 0.000000 1.680000 X2 168.000000 0.000000 X3 19.200001 0.000000 X4 0.000000 0.000000 X5 24.000000 0.000000 X6 0.000000 1.520000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 3.160000 3) 0.000000 3.260000 4) 76.000000 0.000000 5) 0.000000 44.000000 6) 0.000000 32.000000 NO. ITERATIONS= 2 软件实现 LINDO 6.1 DO RANGE (SENSITIVITY) ANALYSIS? No

结果解释 每天销售168 千克A2和19.2 千克B1， 利润3460.8（元） 8桶牛奶加工成A1，42桶牛奶加工成A2， OBJECTIVE FUNCTION VALUE 1) 3460.800 VARIABLE VALUE REDUCED COST X1 0.000000 1.680000 X2 168.000000 0.000000 X3 19.200001 0.000000 X4 0.000000 0.000000 X5 24.000000 0.000000 X6 0.000000 1.520000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 3.160000 3) 0.000000 3.260000 4) 76.000000 0.000000 5) 0.000000 44.000000 6) 0.000000 32.000000 NO. ITERATIONS= 2 结果解释 每天销售168 千克A2和19.2 千克B1， 利润3460.8（元） 8桶牛奶加工成A1，42桶牛奶加工成A2， 将得到的24千克A1全部加工成B1 除加工能力外均为紧约束

结果解释 30元可增加1桶牛奶，3元可增加1小时时间，应否投资？现投资150元，可赚回多少？ OBJECTIVE FUNCTION VALUE 1) 3460.800 VARIABLE VALUE REDUCED COST X1 0.000000 1.680000 X2 168.000000 0.000000 X3 19.200001 0.000000 X4 0.000000 0.000000 X5 24.000000 0.000000 X6 0.000000 1.520000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 3.160000 3) 0.000000 3.260000 4) 76.000000 0.000000 5) 0.000000 44.000000 6) 0.000000 32.000000 增加1桶牛奶使利润增长3.16×12=37.92 增加1小时时间使利润增长3.26 投资150元增加5桶牛奶，可赚回189.6元。（大于增加时间的利润增长）

生产计划应重新制订：如将x3的系数改为39.6计算，会发现结果有很大变化。 结果解释 B1,B2的获利有10%的波动，对计划有无影响 RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 24.000000 1.680000 INFINITY X2 16.000000 8.150000 2.100000 X3 44.000000 19.750002 3.166667 X4 32.000000 2.026667 INFINITY X5 -3.000000 15.800000 2.533334 X6 -3.000000 1.520000 INFINITY …… …… DO RANGE (SENSITIVITY) ANALYSIS? Yes B1获利下降10%，超出X3 系数允许范围 B2获利上升10%，超出X4 系数允许范围 波动对计划有影响 生产计划应重新制订：如将x3的系数改为39.6计算，会发现结果有很大变化。

Discussions

2 接力队选拔和选课策略 分派问题 若干项任务分给一些候选人来完成，每人的专长不同，完成每项任务取得的效益或需要的资源就不同，如何分派任务使获得的总效益最大，或付出的总资源最少。 若干种策略供选择，不同的策略得到的收益或付出的成本不同，各个策略之间有相互制约关系，如何在满足一定条件下作出决择，使得收益最大或成本最小。

例1 混合泳接力队的选拔 5名候选人的百米成绩 如何选拔队员组成4100米混合泳接力队? 例1 混合泳接力队的选拔 5名候选人的百米成绩   甲 乙 丙 丁 戊 蝶泳 1’06”8 57”2 1’18” 1’10” 1’07”4 仰泳 1’15”6 1’06” 1’07”8 1’14”2 1’11” 蛙泳 1’27” 1’06”4 1’24”6 1’09”6 1’23”8 自由泳 58”6 53” 59”4 1’02”4 如何选拔队员组成4100米混合泳接力队? 丁的蛙泳成绩退步到1’15”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？ 穷举法：组成接力队的方案共有5!=120种。

0-1规划模型 cij(秒)~队员i 第j 种泳姿的百米成绩 若选择队员i参加泳姿j 的比赛，记xij=1, 否则记xij=0 目标函数 66.8 57.2 78 70 67.4 j=2 75.6 66 67.8 74.2 71 j=3 87 66.4 84.6 69.6 83.8 j=4 58.6 53 59.4 62.4 若选择队员i参加泳姿j 的比赛，记xij=1, 否则记xij=0 目标函数 每人最多入选泳姿之一 每种泳姿有且只有1人 约束条件

模型求解 输入LINDO求解 最优解：x14 = x21 = x32 = x43 = 1, 其它变量为0; 成绩为253.2(秒)=4’13”2 MIN 66.8x11+75.6x12+87x13+58.6x14 +… … +67.4x51+71 x52+83.8x53+62.4x54 SUBJECT TO x11+x12+x13+x14 <=1 … … x41+x42+x43+x44 <=1 x11+x21+x31+x41+x51 =1 x14+x24+x34+x44+x54 =1 END INT 20 甲~ 自由泳、乙~ 蝶泳、丙~ 仰泳、丁~ 蛙泳.   甲 乙 丙 丁 戊 蝶泳 1’06”8 57”2 1’18” 1’10” 1’07”4 仰泳 1’15”6 1’06” 1’07”8 1’14”2 1’11” 蛙泳 1’27” 1’06”4 1’24”6 1’09”6 1’23”8 自由泳 58”6 53” 59”4 1’02”4

讨论 丁蛙泳c43 =69.675.2，戊自由泳c54=62.4  57.5, 方案是否调整？ 敏感性分析？ IP规划一般没有与LP规划相类似的理论，LINDO输出的敏感性分析结果通常是没有意义的。 c43, c54 的新数据重新输入模型，用LINDO求解 最优解：x21 = x32 = x43 = x51 = 1, 成绩为4’17”7 乙~ 蝶泳、丙~ 仰泳、丁~ 蛙泳、戊~ 自由泳 甲~ 自由泳、乙~ 蝶泳、丙~ 仰泳、丁~ 蛙泳. 原方案 指派(Assignment)问题：每项任务有且只有一人承担，每人只能承担一项，效益不同，怎样分派使总效益最大.

例2 选课策略 要求至少选两门数学课、三门运筹学课和两门计算机课 为了选修课程门数最少，应学习哪些课程 ？ 例2 选课策略 课号 课名 学分 所属类别 先修课要求 1 微积分 5 数学   2 线性代数 4 3 最优化方法 数学；运筹学 微积分；线性代数 数据结构 数学；计算机 计算机编程 应用统计 6 计算机模拟 计算机；运筹学 7 计算机 8 预测理论 运筹学 9 数学实验 运筹学；计算机 要求至少选两门数学课、三门运筹学课和两门计算机课 为了选修课程门数最少，应学习哪些课程 ？ 选修课程最少，且学分尽量多，应学习哪些课程 ？

0-1规划模型 决策变量 xi=1 ~选修课号i 的课程（xi=0 ~不选） 目标函数 选修课程总数最少 最少2门数学课，3门运筹学课， 课名 所属类别 1 微积分 数学 2 线性代数 3 最优化方法 数学；运筹学 4 数据结构 数学；计算机 5 应用统计 6 计算机模拟 计算机；运筹学 7 计算机编程 计算机 8 预测理论 运筹学 9 数学实验 运筹学；计算机 xi=1 ~选修课号i 的课程（xi=0 ~不选） 目标函数 选修课程总数最少 最少2门数学课，3门运筹学课， 2门计算机课。 约束条件

0-1规划模型 约束条件 先修课程要求 x3=1必有x1 = x2 =1 模型求解（LINDO） 课号 课名 先修课要求 1 微积分   2 线性代数 3 最优化方法 微积分；线性代数 4 数据结构 计算机编程 5 应用统计 6 计算机模拟 7 8 预测理论 9 数学实验 先修课程要求       x3=1必有x1 = x2 =1 模型求解（LINDO） 最优解： x1 = x2 = x3 = x6 = x7 = x9 =1, 其它为0；6门课程，总学分21

讨论：选修课程最少，学分尽量多，应学习哪些课程？ 学分最多 两目标(多目标)规划 多目标优化的处理方法：化成单目标优化。 以课程最少为目标，不管学分多少。 最优解如上，6门课程，总学分21 。 以学分最多为目标，不管课程多少。 最优解显然是选修所有9门课程 。

多目标规划 增加约束 ， 以学分最多为目标求解。 在课程最少的前提下以学分最多为目标。 增加约束 ， 以学分最多为目标求解。 在课程最少的前提下以学分最多为目标。 课号 课名 学分 1 微积分 5 2 线性代数 4 3 最优化方法 数据结构 应用统计 6 计算机模拟 7 计算机编程 8 预测理论 9 数学实验       最优解： x1 = x2 = x3 = x5 = x7 = x9 =1, 其它为0；总学分由21增至22。     注意：最优解不唯一！ 可将x9 =1 易为x6 =1 LINDO无法告诉优化问题的解是否唯一。

多目标规划 对学分数和课程数加权形成一个目标，如三七开。 课号 课名 学分 1 微积分 5 2 线性代数 4 3 最优化方法 数据结构 应用统计 6 计算机模拟 7 计算机编程 8 预测理论 9 数学实验     最优解： x1 = x2 = x3 = x4 = x5 = x6 = x7 = x9 =1， 其它为0；总学分28。

多目标规划 讨论与思考 最优解与1=0，2=1的结果相同——学分最多 最优解与1=1，2=0的结果相同——课程最少

Discussions

3 钢管和易拉罐下料 原料下料问题 生产中通过切割、剪裁、冲压等手段，将原材料加工成所需大小 3 钢管和易拉罐下料 原料下料问题 生产中通过切割、剪裁、冲压等手段，将原材料加工成所需大小 按照工艺要求，确定下料方案，使所用材料最省，或利润最大

例1 钢管下料 原料钢管:每根19米 客户需求 4米50根 6米20根 8米15根 问题1. 如何下料最节省 ? 节省的标准是什么？ 问题1. 如何下料最节省 ? 节省的标准是什么？ 问题2. 客户增加需求： 5米10根 由于采用不同切割模式太多，会增加生产和管理成本，规定切割模式不能超过3种。如何下料最节省？

钢管下料 切割模式 按照客户需要在一根原料钢管上安排切割的一种组合。 余料1米 4米1根 6米1根 8米1根 余料3米 4米1根 6米1根 合理切割模式的余料应小于客户需要钢管的最小尺寸

为满足客户需要，按照哪些种合理模式，每种模式切割多少根原料钢管，最为节省？ 钢管下料问题1 合理切割模式 模式  4米钢管根数 6米钢管根数 8米钢管根数 余料(米) 1 4 3 2 5 6 7 为满足客户需要，按照哪些种合理模式，每种模式切割多少根原料钢管，最为节省？ 两种标准 1. 原料钢管剩余总余量最小 2. 所用原料钢管总根数最少

xi ~按第i 种模式切割的原料钢管根数(i=1,2,…7) 决策变量 xi ~按第i 种模式切割的原料钢管根数(i=1,2,…7) 目标1（总余量） 模 式 4米 根数 6米 8米 余 料 1 4 3 2 5 6 7 需 求 50 20 15 约束 满足需求 整数约束： xi 为整数 最优解：x2=12, x5=15, 其余为0； 最优值：27。 按模式2切割12根,按模式5切割15根，余料27米

钢管下料问题1 目标2（总根数） 约束条件不变 xi 为整数 最优解：x2=15, x5=5, x7=5, 其余为0； 最优值：25。 按模式2切割15根，按模式5切割5根，按模式7切割5根，共25根，余料35米 与目标1的结果“共切割27根，余料27米” 相比 虽余料增加8米，但减少了2根 当余料没有用处时，通常以总根数最少为目标

钢管下料问题2 增加一种需求：5米10根；切割模式不超过3种。 现有4种需求：4米50根，5米10根，6米20根，8米15根，用枚举法确定合理切割模式，过于复杂。 对大规模问题，用模型的约束条件界定合理模式 决策变量 xi ~按第i 种模式切割的原料钢管根数(i=1,2,3) r1i, r2i, r3i, r4i ~ 第i 种切割模式下，每根原料钢管生产4米、5米、6米和8米长的钢管的数量

钢管下料问题2 目标函数（总根数） 模式合理：每根余料不超过3米 约束条件 满足需求 整数约束： xi ,r1i, r2i, r3i, r4i (i=1,2,3)为整数 整数非线性规划模型

钢管下料问题2 增加约束，缩小可行域，便于求解 需求：4米50根，5米10根，6米20根，8米15根 每根原料钢管长19米 原料钢管总根数下界： 特殊生产计划：对每根原料钢管 模式1：切割成4根4米钢管，需13根； 模式2：切割成1根5米和2根6米钢管，需10根； 模式3：切割成2根8米钢管，需8根。 原料钢管总根数上界：13+10+8=31 模式排列顺序可任定

LINGO程序1 model: Title 钢管下料 - 最小化钢管根数的LINGO模型; min=x1+x2+x3; x1*r11+x2*r12+x3*r13 >=50; x1*r21+x2*r22+x3*r23 >=10; x1*r31+x2*r32+x3*r33 >=20; x1*r41+x2*r42+x3*r43 >=15; 4*r11+5*r21+6*r31+8*r41 <=19; 4*r12+5*r22+6*r32+8*r42 <=19; 4*r13+5*r23+6*r33+8*r43 <=19; 4*r11+5*r21+6*r31+8*r41 >=16; 4*r12+5*r22+6*r32+8*r42 >=16; 4*r13+5*r23+6*r33+8*r43 >=16; x1+x2+x3 >= 26; x1+x2+x3 <= 31; x1>=x2; x2>=x3; @gin(x1); @gin(x2); @gin(x3); @gin(r11);@gin(r12);@gin(r13); @gin(r21);@gin(r22);@gin(r23); @gin(r31);@gin(r32);@gin(r33); @gin(r41);@gin(r42);@gin(r43); end

模式1：每根原料钢管切割成3根4米和1根6米钢管，共10根； 模式2：每根原料钢管切割成2根4米、1根5米和1根6米钢管，共10根； LINGO求解整数非线性规划模型 Local optimal solution found at iteration: 12211 Objective value: 28.00000 Variable Value Reduced Cost X1 10.00000 0.000000 X2 10.00000 2.000000 X3 8.000000 1.000000 R11 3.000000 0.000000 R12 2.000000 0.000000 R13 0.000000 0.000000 R21 0.000000 0.000000 R22 1.000000 0.000000 R23 0.000000 0.000000 R31 1.000000 0.000000 R32 1.000000 0.000000 R33 0.000000 0.000000 R41 0.000000 0.000000 R42 0.000000 0.000000 R43 2.000000 0.000000 模式1：每根原料钢管切割成3根4米和1根6米钢管，共10根； 模式2：每根原料钢管切割成2根4米、1根5米和1根6米钢管，共10根； 模式3：每根原料钢管切割成2根8米钢管，共8根。 原料钢管总根数为28根。

LINGO与LINDO的区别 将目标函数的表示方式 从“MAX”变成了“MAX=”; “ST”(SubjectTo)在LINGO模型中不需要，被删除； 在系数与变量之间增加运算符“*”(即乘号不能省略); 每行(目标、约束和说明语句)后面增加一个分号“;”； 约束的名字被放到 “[ ]”中，不放在右半括号“)”前； LINGO中模型以“MODEL：”开始，以“END” 结束。对简单的模型，这两个语句也可以省略。

例2 易拉罐下料 板材规格1： 正方形，边长24cm，5万张。 板材规格2： 长方形， 罐身高10cm，上盖、下底直径均5cm。 模式1：1.5秒 模式2：2秒 模式3：1秒 板材规格1： 正方形，边长24cm，5万张。 板材规格2： 长方形， 3228cm， 2万张。 模式4：3秒 上盖 下底 罐 身 罐身高10cm，上盖、下底直径均5cm。 每周工作40小时，每只易拉罐利润0.10元，原料余料损失0.001元 / cm2（不能装配的罐身、盖、底也是余料） 如何安排每周生产？

问题分析 计算各种模式下的余料损失 模式1: 上、下底直径d=5cm，罐身高h=10cm。 正方形 边长24cm 模式1 余料损失 242-10d2/4 - dh=222.6 cm2   罐身个数 底、盖 个数 余料损失 （cm2） 冲压时间（秒） 模式1 1 10 222.6 1.5 模式2 2 4 183.3 模式3 16 261.8 模式4 5 169.5 3

问题分析 模型建立 目标:易拉罐利润扣除原料余料损失后的净利润最大 注意：不能装配的罐身、上下底也是余料 约束：每周工作时间不超过40小时； 原料数量：规格1（模式1 ~3）5万张， 规格2（模式4）2万张； 罐身和底、盖的配套组装 。 模型建立 xi ~ 按照第i 种模式的生产张数(i=1,2,3,4)； y1 ~ 一周生产的易拉罐个数； y2 ~ 不配套的罐身个数； y3 ~ 不配套的底、盖个数。 决策变量

模型建立 y1 ~ 易拉罐个数；y2 ~ 不配套的罐身； y3 ~ 不配套的底、盖。 每只易拉罐利润0.10元，余料损失0.001元 / cm2 产量 余料 时间 x1 222.6 1.5 x2 183.3 2 x3 261.8 1 x4 169.5 3 罐身面积dh=157.1 cm2 底盖面积d2/4=19.6 cm2 目标 时间约束 (40小时) 约束条件 原料约束

虽然xi和y1，y2，y3应是整数，但是因生产量很大，可以把它们看成实数，从而用线性规划模型处理 。 约束条件 y1 ~ 易拉罐个数；y2 ~ 不配套的罐身； y3 ~ 不配套的底、盖。 罐身 底、盖 1 10 2 4 16 5 产量 x1 x2 x3 x4 配套约束 虽然xi和y1，y2，y3应是整数，但是因生产量很大，可以把它们看成实数，从而用线性规划模型处理 。

模型求解 LINDO发出警告信息：“数据之间的数量级差别太大，建议进行预处理，缩小数据之间的差别” 将所有决策变量扩大10000倍（xi ~万张，yi ~万件） OBJECTIVE FUNCTION VALUE 1) 0.4298337 VARIABLE VALUE REDUCED COST Y1 16.025000 0.000000 X1 0.000000 0.000050 X2 4.012500 0.000000 X3 0.375000 0.000000 X4 2.000000 0.000000 Y2 0.000000 0.223331 Y3 0.000000 0.036484 模式2生产40125张， 模式3生产3750张， 模式4生产20000张， 共产易拉罐160250个 (罐身和底、盖无剩余)， 净利润为4298元

下料问题的建模 确定下料模式 构造优化模型 一维问题（如钢管下料） 规格不太多，可枚举下料模式，建立整数线性规划模型，否则要构造整数非线性规划模型，求解困难，可用缩小可行域的方法进行化简，但要保证最优解的存在。 二维问题（如易拉罐下料） 具体问题具体分析（比较复杂 ）

Discussions