选址问题NLP-LINGO实例：最小化总吨公里数建模与求解

本资源主要聚焦于选址问题在NLP（非线性规划）中的应用，以及如何使用Lingo 13这款优化软件进行解决。非线性规划模型是决策分析中的重要工具，用于在满足约束条件下，寻找决策变量的最佳值，如文中提到的改建两个新料场的问题，需确定新料场的位置(xj, yj)和相应的运量cij，目标是通过调整这些变量，使得总吨公里数最小化。 决策变量包括ci j以及位置坐标，总共16维，体现了问题的多维度复杂性。Lingo 13作为一款强大的优化软件，它由LINDO Systems Inc.开发，支持多种类型的优化模型，包括但不限于线性规划（LP）、非线性规划（NLP）、二次规划（QP）和整数规划（IP）。LINDO软件主要用于解决线性问题，而Lingo则扩展到了更广泛的非线性领域，并且支持全局优化选择。 LINDO/LINGO的求解过程涉及预处理程序，例如识别问题类型、常数设定，以及针对线性优化和非线性优化的不同求解策略，如单纯形算法和分枝定界法。对于连续优化问题，Lingo提供了更全面的支持，而处理整数问题时，它也能够处理纯整数、混合整数以及0-1整数规划等复杂情况。 课程讲师谢金星来自清华大学数学科学系，他分享了优化模型的基础知识，以及如何将这些理论知识与LINDO/LINGO软件相结合，通过实例来帮助理解和应用。学习者可以通过LINDO公司的不同版本（如演示版、学生版等）根据需求选择合适的软件，适应不同规模的问题和附加功能。 这个资源对于那些希望在IT行业中运用数学建模解决选址问题，或者对Lingo 13软件有深入理解的需求者来说，具有很高的实用价值。通过深入学习，用户可以掌握如何构建非线性规划模型，设置约束条件，以及如何利用Lingo 13工具进行高效求解，提升决策效率和解决问题的能力。