lingo应用实例.docVIP

解窗口说明 例5.1某家具公司制造书桌、餐桌和椅子，所用的资源有三种：木料、木工和漆工。生产数据如下表所示： ? 每个书桌 每个餐桌 每个椅子 现有资源总数 木料 8单位 6单位 1单位 48单位 漆工 4单位 2单位 1.5单位 20单位 木工 2单位 1.5单位 0.5单位 8单位 成品单价 60单位 30单位 20单位 ? 若要求桌子的生产量不超过5件，如何安排三种产品的生产可使利润最大？ 用DESKS、TABLES和CHAIRS分别表示三种产品的生产量，建立LP模型。 max=60*desks+30*tables+20*chairs; 8*desks+6*tables+chairs=48; 4*desks+2*tables+1.5*chairs=20; 2*desks+1.5*tables+.5*chairs=8; tables=5; 求解这个模型，并激活灵敏性分析。这时，查看报告窗口（Reports Window）,可以看到如下结果。 “Global optimal solution found at iteration: 3”表示3次迭代后得到全局最优解。 “Objective value:280.0000”表示最优目标值为280。 “Value”给出最优解中各变量的值：造2个书桌（desks）, 0个餐桌（tables）, 8个椅子（chairs）。所以desks、chairs是基变量（非0），tables是非基变量（0）。 “Slack or Surplus”给出松驰变量的值： 第1行松驰变量 =280（模型第一行表示目标函数，所以第二行对应第一个约束） 第2行松驰变量 =24 第3行松驰变量 =0 第4行松驰变量 =0 第5行松驰变量 =5 “Reduced Cost”列出最优单纯形表中判别数所在行的变量的系数，表示当变量有微小变动时, 目标函数的变化率。其中基变量的reduced cost值应为0， 对于非基变量 Xj, 相应的 reduced cost值表示当某个变量Xj 增加一个单位时目标函数减少的量( max型问题)。本例中：变量tables对应的reduced cost值为5，表示当非基变量tables的值从0变为 1时（此时假定其他非基变量保持不变,但为了满足约束条件，基变量显然会发生变化），最优的目标函数值 = 280 - 5 = 275。 “DUAL PRICE”（对偶价格）表示当对应约束有微小变动时, 目标函数的变化率。输出结果中对应于每一个约束有一个对偶价格。 若其数值为p， 表示对应约束中不等式右端项若增加1 个单位，目标函数将增加p个单位（max型问题）。显然，如果在最优解处约束正好取等号（也就是“紧约束”，也称为有效约束或起作用约束），对偶价格值才可能不是0。本例中：第3、4行是紧约束，对应的对偶价格值为10，表示当紧约束 3) 4 DESKS + 2 TABLES + 1.5 CHAIRS = 20 变为 3) 4 DESKS + 2 TABLES + 1.5 CHAIRS = 21 时，目标函数值 = 280 +10 = 290。对第4行也类似。 对于非紧约束（如本例中第2、5行是非紧约束），DUAL PRICE 的值为0, 表示对应约束中不等式右端项的微小扰动不影响目标函数。有时, 通过分析DUAL PRICE, 也可对产生不可行问题的原因有所了解。 灵敏度分析的结果是 Ranges in which the basis is unchanged: Objective Coefficient Ranges Current Allowable Allowable Variable Coefficient Increase Decrease DESKS 60.00000 0.0 0.0 TABLES 30.00000 0.0 0.0 CHAIRS 20.00000 0.0 0.0 ? Righthand Side Ranges Row Current Allowable