线性规划 运输问题 案例 lingo

时间: 2023-12-06 18:02:21 浏览: 66
一个典型的线性规划运输问题案例如下:假设有三个工厂A、B、C,它们生产两种产品X和Y。需要把这些产品运输到四个销售点1、2、3、4。每个工厂的生产能力和每个销售点的需求如下表所示: | 工厂 | 生产能力(单位) | | --- | --- | | A | 30 | | B | 20 | | C | 50 | | 销售点 | 需求量(单位) | | --- | --- | | 1 | 25 | | 2 | 35 | | 3 | 20 | | 4 | 40 | 每个单位的运输成本如下表所示: | | X | Y | | --- | --- | --- | | A | 2 | 3 | | B | 1 | 2 | | C | 4 | 1 | 现在需要制定一个运输计划,使得总运输成本最小,同时满足工厂生产能力和销售点需求的限制条件。 利用LINGO软件可以很方便地求解该问题。具体的LINGO代码如下: ``` sets i factories /A, B, C/ j sales /1, 2, 3, 4/ k products /X, Y/ parameters supply(i) supply from factories demand(j) demand from sales cost(i,k,j) cost of shipping from factories to sales variables x(i,k,j) amount of product k shipped from i to j equations supply_limit(i) limit on supply from factories demand_limit(j) limit on demand from sales objective cost minimization supply_limit(i).. sum(j, x(i,k,j)) =l= supply(i); demand_limit(j).. sum(i, x(i,k,j)) =g= demand(j); objective.. sum((i,k,j), cost(i,k,j)*x(i,k,j)) =e= z; model transport /all/; supply(i) = 30 20 50; demand(j) = 25 35 20 40; cost(i,k,j) = 2 3 1 2 4 1; solve transport using lp minimizing z; display x.l, z.l; ``` 运行上述代码可以得到最优解为总运输成本为235,运输数量如下表所示: | | X | Y | | --- | --- | --- | | A -> 1 | 0 | 25 | | A -> 2 | 5 | 0 | | A -> 3 | 20 | 0 | | A -> 4 | 5 | 0 | | B -> 1 | 20 | 0 | | B -> 2 | 10 | 25 | | B -> 3 | 0 | 0 | | B -> 4 | 0 | 0 | | C -> 1 | 0 | 0 | | C -> 2 | 0 | 10 | | C -> 3 | 0 | 20 | | C -> 4 | 15 | 15 | 这个结果表明,应该从工厂A运输25个单位的产品Y到销售点1,从工厂A运输5个单位的产品X到销售点2,从工厂A运输20个单位的产品X到销售点3,从工厂A运输5个单位的产品X到销售点4,从工厂B运输20个单位的产品X到销售点1,从工厂B运输10个单位的产品X和25个单位的产品Y到销售点2,从工厂C运输15个单位的产品X和15个单位的产品Y到销售点4。这样可以最小化总运输成本为235。

相关推荐

最新推荐

recommend-type

非线性规划模型用MATLAB LINGO

内容如下: 1.非线性规划的定义和相关概念. 2.常用的求解非线性规划的方法. 3.MATLAB求解非线性规划及例题. 4.lingo求解非线性规划及例题. 5.练习.
recommend-type

基于LINGO的优化问题动态规划法求解

lingo是求解最优问题的有效软件,不仅可以求一般的线性规划和非线性规划,还可以求无目标函数的动态规划问题,该论文给出了求解代码!
recommend-type

城市配送TSP问题的LINGO求解

针对当前城市配送对象呈现多频次、小批量的特点,配送路线的合理安排问题日益突出,为了优化配送路线,建立了城市配送TSP问题的数学模型,并用LINGO软件进行编程,提出了一种通用的TSP的快速求解方法,通过实例验证...
recommend-type

setuptools-0.6b3-py2.4.egg

Node.js,简称Node,是一个开源且跨平台的JavaScript运行时环境,它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立,旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎,可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型,这使得它非常适合处理大量并发连接,从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外,Node.js使用了模块化的架构,通过npm(Node package manager,Node包管理器),社区成员可以共享和复用代码,极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展,它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等,因此,开发者可以用JavaScript编写全栈应用程序,这一点大大提高了开发效率和便捷性。 在实践中,许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台,如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能,简化了开发流程,并且能更快地响应市场需求。
recommend-type

Java项目之jspm充电桩综合管理系统(源码 + 说明文档)

Java项目之jspm充电桩综合管理系统(源码 + 说明文档) 2 系统开发环境 4 2.1 Java技术 4 2.2 JSP技术 4 2.3 B/S模式 4 2.4 MyEclipse环境配置 5 2.5 MySQL环境配置 5 2.6 SSM框架 6 3 系统分析 7 3.1 系统可行性分析 7 3.1.1 经济可行性 7 3.1.2 技术可行性 7 3.1.3 运行可行性 7 3.2 系统现状分析 7 3.3 功能需求分析 8 3.4 系统设计规则与运行环境 9 3.5系统流程分析 9 3.5.1操作流程 9 3.5.2添加信息流程 10 3.5.3删除信息流程 11 4 系统设计 12 4.1 系统设计主要功能 12 4.2 数据库设计 13 4.2.1 数据库设计规范 13 4.2.2 E-R图 13 4.2.3 数据表 14 5 系统实现 24 5.1系统功能模块 24 5.2后台功能模块 26 5.2.1管理员功能 26 5.2.2用户功能 30 6 系统测试 32 6.1 功能测试 32 6.2 可用性测试 32 6.3 维护测试 33 6.4 性能测试 33
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。