Промышленный лизинг Промышленный лизинг  Методички 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 [ 16 ] 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292

в LINGO и AMPL). Далее с помощью оператора param задаются имена элементов целевой функции и ограничений. Так, С определяет коэффициенты целевой функции как функция множества Var. Rhs определяет значения правых частей ограничений как функция множества Constr, a Aij - коэффициенты левых частей ограничений как функция множеств Constr и Var.

Global optimal solution found at step: 4

Objective value: 21.00000

Model Title: REDDY MIKKS MODEL

Variable

Value

Reduced Cost

RHS (

00000

.000000

RHS (

.00000

.000000

RHS( DEMAND1)

.00000

,000000

RHS( DEMAND2)

,00000

.000000

,00000

.000000

,00000

.000000

,00000

,000000

,50000

.000000

AIJ( Ml,

,00000

.000000

AIJ( Ml,

,00000

.000000

AIJ( M2,

,00000

.000000

AIJ( M2,

,00000

.000000

AIJ( DEMAND1,

00000

,000000

AIJ( DEMAND1,

,00000

,000000

AIJ( DEMAND2,

0.000000

,000000

AIJ( DEMAND2,

00000

,000000

Slack oc Surplus

Dual Pcice

21.0000

1.00000

0.000000

0.750000

0.000000

0.500000

2.50000

0.000000

0 . 500000

0.000000

Рис. 2.13. Выходной отчет программы LINGO

!Модель Reddy Mikks - входные данные во внешних файлах; MODEL:

TITLE Reddy mikks model;

1--------------------алгебраическое определение модели ЛП;

SETS :

Constr: Rhs;

Vac: С, X;

ConsVar(Constr,Van): Aij; ENDSETS

i------------------------------------построение модели;

MAX=@SUM( Var (j) : C(j)*X(j) ); !целевая функция;

SFOR ( Ограничения;

Constr(i) :@SUM( Var(j) : Aij (i, j) *X (j) )<=Rhs (i) ) ;

i------------------------------------данные для модели;

DATA:

Constr=@FIL,E(ch2LingoFldata.lng) ; !чтение из файла; Rhs = 24 б 1 2; Var = XI Х2; С = 5 4;

Aij=@FILE (ch2LingoFldata.lng) ; !чтение из файла; EHDDATA END

Рис. 2.14. Листинг LINGO модели Reddy Mikks с внешними файлами



!........содержимое 1-го внешнего файла;

Ml М2 Demandl Demand2

!........ содержимое 1-го внешнего файла;

6412-1101

Рис. 2.15. Содержимое внешних файлов для модели Reddy Mikks

#-------------------------------определение множеств модели

set Constr; #множество ограничений

set Var; #множество переменных

#----------------------------задание имен элементам модели

param С (Var); коэффициенты целевой функции

param Rhs (Constr) ; #правые части ограничений

param Aij (Constr, Var); #коэфф. левых частей ограничений

#------------------------------------задание переменных

var X (Var) >= 0; #условие неотрицательности

#------------------------------------задание модели

maximize Total: sum (j in Var) C[j]*X[j]; #целевая функция Subject to Restrictions (i in Constr) : Ограничения

sum (j in Var) Aij [i, j]*X[ j] <= Rhs[i];

#------------------------------------данные для модели

data,-

set Constr := Ml M2 Demandl Demand2; set Var := XI X2;

param Rhs

Demandl

Demand2

param Aij

Demandl

Demand2

param С :=

= XI 5 X2

Puc. 2.16. Листинг AMPL модели Reddy Mikks

Далее оператор var задает имя X (имя определяется пользователем) для переменных множества Var. В отличие от программы LINGO, где все переменные по умолчанию предполагаются неотрицательными, в AMPL все переменные изначально предполагаются свободными. В модели Reddy Mikks переменные ограничиваются условием неотрицательности, поэтому добавляется выражение X{Var}>=0.

После задания имен переменных пользователь определяет имена целевой функции (Total в данном случае) и ограничений - Restrictions. Эти имена используются в выходном отчете программы.

В последнем разделе листинга задаются входные данные модели. Отметим, что данные от имен данных в операторах set и param отделяются символами :=.

В моделях AMPL, как и в моделях LINGO, входные данные не обязательно должны включаться в саму модель. В LINGO для присоединения внешних файлов



сданными использовался оператор @FILE (см. рис. 2.14). В AMPL ситуация несколько иная, поскольку эта программа выполняется в среде DOS (а не Windows). Однако и эта программа позволяет сохранять данные, включая спецификацию модели, во внешних файлах, а затем во время исполнения извлекать эти данные. Например, чтобы найти решение модели Reddy Mikks, в среде программы AMPL надо выполнить следующие команды:

ampl: model ch2AmplReddyMikks.mod; ampl: solve;

Здесь в файле ch2AmplReddyMikks.mod содержится вся спецификация модели, представленная в листинге на рис. 2.16, включая исходные числовые данные. Если числовых данных в этой спецификации нет (т.е. в листинге на рис. 2.16 отсутствует раздел data), но они содержатся в отдельном файле ch2AmplReddyMikks.dat, следует использовать такие команды, ampl: model ch2AmplReddyMikks.mod; ampl: data ch2AmplReddyMikks.dat; ampl: solve;

Вывод на экран результатов расчета (как и входных данных) обеспечивает команда display. Для примера рассмотрим следующие команды (они должны выполняться после команды solve), ampl: display Total; ampl: display X, rc; ampl: display Restrictions; ampl: display Aij, Rhs;

Первая команда выводит на экран значение целевой функции Total, вторая - значения переменных X и приведенные стоимости (параметр гс). Третья команда выводит значения, связанные с ограничениями. Последняя команда отображает значения массива Aij коэффициентов левых частей ограничений и значения Rhs - правых частей ограничений.

УПРАЖНЕНИЯ 2.4

1. На рис. 2.17 показаны выходные результаты, полученные с помощью программы TORA для задачи диеты из примера 2.2.2.

a) Интерпретируйте двойственную цену первого ограничения.

b) Найдите новое оптимальное решение, если необходимо ежедневно производить не менее 900 фунтов пищевой добавки.

c) Если стоимость кукурузной изменится до 0,40 долл. за один фунт при неизменной цене соевой муки, то будет ли текущее решение оптимальным?

2. Задача ЛП из упражнения 2.3.1.7 формулируется следующим образом.

Максимизировать г = 18х, + 9х2 при выполнении условий

24х, + 8х2<60 ООО, х, < 2000, х2 < 6000,

xv х2>0,

где х, и х2 - количество производимых консервным заводом упаковок томатного сока и томатной пасты соответственно. Решение этой задачи приведено на рис. 2.18.



1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 [ 16 ] 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292