非线性规划 - 用非线性规划解决问题 - (Lingo建模)

在经营管理中,为取得更高的利润,不仅需要提高经营收入,也要考虑如何在现有的人力、物力和财力条件下合理安排,在满足要求的前提下,达到最低的成本。对于静态的最优化问题(即所有数据不会瞬息万变,可以允许在小范围内有波动),通过设计各类可调用的指标,使目标达到最优。非线性规划具有坚实的数学基础和计算方法,在实际应用中有很高的价值。

下面我们用一个例子来讲解非线性规划方法,可能有点像一道数学题,但是忽略这些形式的东西吧,学到知识才是最重要的。

课题名称:制定轰炸方案

    设一个战略轰炸机群奉命携带A,B种型号的炸弹轰炸敌军的四个重要目标。为完成好此项任务要求飞机的耗油量不超过2700L,炸弹A和B都不超过4枚。已知飞机携带A型炸弹时每升油料可飞行2km,携带B型炸弹时每升油料可飞行3km,空载时每升油料可飞行4km,每次起降各耗油100L.又知每架飞机每次只能携带一枚炸弹。有关参数如表1所示。现在的问题是:如何制定轰炸方案,使摧毁目标的可能性最大?

                                    表1   轰炸方案问题的有关数据

目标

距离/km

摧毁目标的可能性

A

B

640

0.65

0.76

850

0.50

0.70

530

0.56

0.72

72

0.68

0.66

下面开始制定我们的方案,当然,实际应用中的数据并不会这么完美的量化,具体量化的方法有很多,可能黄小技术包以后会整理一下,但是现在,我们先来看看这个方案怎么制定吧。

制定方案无非就是分别向4个目标投掷 A or B 炸弹多少枚,可以使摧毁目标的可能性最大。这里是有限制的,比如炸弹数量,比如总油量,下面我们先看看飞机携带一枚炸弹炸毁一个目标的耗油问题吧。

第一步:计算飞机携带 A or B 炸弹分别摧毁4个目标所需要的油量

炸毁目标Ⅰ:A型(640/2+640/4+200)=680.0         B型(640/3+640/4+200)=573.3

炸毁目标Ⅱ:A型(850/2+850/4+200)=837.5         B型(850/3+850/4+200)=695.8

炸毁目标Ⅲ:A型(530/2+530/4+200)=597.5         B型(530/3+530/4+200)=509.2

炸毁目标Ⅳ:A型(72/2+72/4+200)=254.0             B型(72/3+72/4+200)=242.0

第二步:构造该问题的数学模型

设:向目标Ⅰ,Ⅱ,Ⅲ,Ⅳ分别投掷A型炸弹 x11, x12, x13, x14 枚,B型 x21, x22, x23, x24 枚;

每一个目标不被摧毁的可能性为Z;则该问题的数学模型为:

第三步:程序运行求解

当然这里我们可以按照考试一样手动计算,但是现在都什么年代了,各种编程语言也该利用起来了。下面是用lingo编写的,当然你也可以用matlab、R、python等等。

lingo程序:

model:
sets:
num_i/1..4/:a,b,s;
num_j/1,2/;
link_ij(num_j,num_i):x;
endsets	
data:
s=640,850,530,72;a=0.65,0.50,0.56,0.68;b=0.76,0.70,0.72,0.66;
enddata
[OBJ]min=@sum(num_i(i):(1-a(i))^(x(1,i))*(1-b(i))^(x(2,i)));
(3/4)*@sum(num_i(i):s(i)*x(1,i))+(7/12)*@sum(num_i(i):s(i)*x(2,i))+100*@sum(link_ij(j,i):x(j,i))<=2700;
x(1,1)+x(1,2)+x(1,3)+x(1,4)<=4;
x(2,1)+x(2,2)+x(2,3)+x(2,4)<=4;
@for(num_i(i):x(1,i)+x(2,i)>=1;x(1,i)+x(2,i)<=2;);
@for(link_ij(j,i):x(j,i)>=0;@GIN(x(j,i)););
end

运行结果:

Local optimal solution found.Objective value:                             0.7124000Objective bound:                             0.7124000Infeasibilities:                              0.000000Extended solver steps:                              21Total solver iterations:                          2063Elapsed runtime seconds:                          1.27Model Class:                                     PINLPTotal variables:                      8Nonlinear variables:                  8Integer variables:                    8Total constraints:                   20Nonlinear constraints:                1Total nonzeros:                      48Nonlinear nonzeros:                   8Variable           Value        Reduced CostA( 1)       0.6500000            0.000000A( 2)       0.5000000            0.000000A( 3)       0.5600000            0.000000A( 4)       0.6800000            0.000000B( 1)       0.7600000            0.000000B( 2)       0.7000000            0.000000B( 3)       0.7200000            0.000000B( 4)       0.6600000            0.000000S( 1)        640.0000            0.000000S( 2)        850.0000            0.000000S( 3)        530.0000            0.000000S( 4)        72.00000            0.000000X( 1, 1)        0.000000          -0.2519570X( 1, 2)        0.000000            0.000000X( 1, 3)        0.000000          -0.2298741X( 1, 4)        2.000000            0.000000X( 2, 1)        1.000000            0.000000X( 2, 2)        2.000000           0.2965332X( 2, 3)        1.000000        -0.1392208E-01X( 2, 4)        0.000000            0.000000

运行结果解读:

第一行的Objective value直接翻译是目标的值,也就是数学模型中目标函数的最小值,即目标不被摧毁的最小概率是0.7124,因此目标被摧毁的最大概率就是0.7124。

此最大摧毁率对应的方案,查看运行结果中的倒数8行,X(1,4)、X(2,1)、X(2,2)、X(2,3)是投掷炸弹数大于1的X,X(1,4)代表用第一种炸弹(A炸弹)投掷第Ⅳ个目标,投掷数量为2。明白了这个之后,我们就可以得到我们最大摧毁率对应的方案了。

最佳方案:

向目标Ⅰ,Ⅱ,Ⅲ分别投掷 B 型炸弹1,2, 1枚;向目标Ⅳ投掷 A 型炸弹2枚。摧毁率为0.7124。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/475601.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

PHP学习之路(二)让我们开始环境搭建(Windows篇)

在上篇中&#xff0c;我详述了在Windows下配置Zend开发工具的详细过程&#xff0c;但是没有一个开发环境&#xff0c;你再牛B的工具自然也跑不起来&#xff0c;比如没有了.NET Framework&#xff0c;你跑个Visual Studio试试&#xff0c;所以搭建开发环境也是学习程序开发一个必…

线性规划 - 用单纯形法解决整数规划问题 - (Matlab、Lingo建模)

现实生活中&#xff0c;比如机器的台数&#xff0c;参与工作的人数&#xff0c;可调动的车辆数&#xff0c;这些数据都是整数。因此对于变量中包含整数、或者完全是整数的规划问题&#xff0c;我们称之为整数规划。在解决整数规划常用的算法便是单纯形法。 课题名称&#xff1a…

LeetCode 1471. 数组中的 k 个最强值(排序)

1. 题目 给你一个整数数组 arr 和一个整数 k 。 设 m 为数组的中位数&#xff0c;只要满足下述两个前提之一&#xff0c;就可以判定 arr[i] 的值比 arr[j] 的值更强&#xff1a; |arr[i] - m| > |arr[j] - m||arr[i] - m| |arr[j] - m|&#xff0c;且 arr[i] > arr[j…

Oracle 多表 连接 顺序 与 性能关系 测试

一. 创建表并insert 数据 create table ta (id number,name varchar2(10)); create table tb(id number,job varchar2(10)); begin for i in 1..1000000 loop begin insert into ta values(i,dave); commit; end; end loop; end; begin for i in 1..1000000 loop begin if i<…

线性规划 - 用单纯形法解决LP问题 - (Matlab、Lingo建模)

线性规划研究时间较早&#xff0c;在实际应用中也比较成熟&#xff0c;它是一种辅助人们进行科学管理的数学方法&#xff0c;为合理地利用有限的人力、物力、财力等资源作出的最优决策&#xff0c;提供科学的依据。 课题名称&#xff1a;配货问题&#xff0c;使运费收入最大 现…

LeetCode 1472. 设计浏览器历史记录(双栈)

1. 题目 你有一个只支持单个标签页的 浏览器 &#xff0c;最开始你浏览的网页是 homepage &#xff0c;你可以访问其他的网站 url &#xff0c;也可以在浏览历史中后退 steps 步或前进 steps 步。 请你实现 BrowserHistory 类&#xff1a; BrowserHistory(string homepage) …

微软Webcast课程下载软件iReaper正式登陆Android平台

微软Webcast课程下载软件iReaper正式登陆Android平台&#xff0c;我叫它iReaper for Android。目前正处于测试阶段&#xff0c;功能比较单一。 目前支持 1.视频下载 2.课程代码下载 3.讲义下载 4.问答下载 附上截图&#xff0c;敬请期待&#xff01; 1.下载地址&#xff…

LeetCode 1473. 给房子涂色 III(DP)

1. 题目 在一个小城市里&#xff0c;有 m 个房子排成一排&#xff0c;你需要给每个房子涂上 n 种颜色之一&#xff08;颜色编号为 1 到 n &#xff09;。 有的房子去年夏天已经涂过颜色了&#xff0c;所以这些房子不需要被重新涂色。 我们将连续相同颜色尽可能多的房子称为一…

动态规划 - Floyd算法求最短路径 - (Matlab建模)

Floyd算法又称为弗洛伊德算法、插点法&#xff0c;是一种利用动态规划的思想寻找给定的加权图中多源点之间最短路径的算法&#xff0c;与Dijkstra算法类似。该算法名称以创始人之一、1978年图灵奖获得者、斯坦福大学计算机科学系教授罗伯特弗洛伊德命名。 课题名称&#xff1a;…

DIV Scroll属性

DIV Scroll属性详解&#xff0c;为DIV层打造不同的滚动条。一、scrollbar属性、样式详解 1&#xff0e;overflow内容溢出时的设置&#xff08;设定被设定对象是否显示滚动条&#xff09; overflow-x水平方向内容溢出时的设置 overflow-y垂直方向内容溢出时的设置 以上…

神经网络 - BP神经网络与RBF神经网络模型解决实际问题 - (Matlab建模)

目录 神经网络模型简述 实例&#xff1a;交通运输能力预测设计 MATLAB程序及仿真结果 由于货物运输、地方经济及企业发展的紧密联系&#xff0c;因此作为反映货物运输需求的一项重要指标, 货运量预测研究和分析具有较强的实际意义。 常用的货运量预测方法包括时间序列方法、…

LeetCode 135. 分发糖果(DP)

1. 题目 老师想给孩子们分发糖果&#xff0c;有 N 个孩子站成了一条直线&#xff0c;老师会根据每个孩子的表现&#xff0c;预先给他们评分。 你需要按照以下要求&#xff0c;帮助老师给这些孩子分发糖果&#xff1a; 每个孩子至少分配到 1 个糖果。相邻的孩子中&#xff0c…

神经网络 - RBF神经网络与BP网络优缺点比较 - 机器学习基础知识

RBF神经网络与BP神经网络优缺点比较 1. RBF 的泛化能力在多个方面都优于BP 网络, 但是在解决具有相同精度要求的问题时, BP 网络的结构要比RBF 网络简单。 2. RBF 网络的逼近精度要明显高于BP 网络,它几乎能实现完全逼近, 而且设计起来极其方便, 网络可以自动增加神经…

网络数据的背后-网络日志的分析指标【转】

通常网站分析的技术包括页面标签分析技术&#xff08;JS技术&#xff09;和日志文件分析技术两种&#xff0c;两种网站分析技术各有优缺点&#xff0c;譬如下文中介绍的基于回话的统计和点击流分析日志文件分析法就要优于页面标签分析法&#xff0c;通常&#xff0c;两种技术具…

词云图 - WorldCloud - Python代码实现

目录 第一步&#xff1a;安装必要的包WorldCloud&#xff08;安装好并且没有出错的可跳过这一步&#xff09; 第二步&#xff1a;准备文件&#xff0c;词云图的图片和文章&#xff0c;按照自己喜好准备吧 第三步&#xff1a;Python实现-源码 第一步&#xff1a;安装必要的包…

运行命令

cmd--------CMD命令提示符ipconfig-------检查IPtsshutdn-------60秒倒计时关机命令cleanmgr-------垃圾整理calc-----------启动计算器notepad--------打开记事本logoff---------注销命令winver---------检查Windows版本mstsc----------远程桌面连接转载于:https://www.cnblog…

[Hands On ML] 2. 一个完整的机器学习项目(加州房价预测)

文章目录1. 项目介绍2. 性能指标3. 确定任务类型4. 查看数据5. 创建测试集6. 数据可视化7. 查找数据关联8. 特征组合9. 为算法准备数据9.1 数据清洗9.2 处理文本特征10. 自定义转换器11. 特征缩放12. 转换流水线Pipeline13. 训练模型14. 交叉验证15. 微调模型15.1 网格搜索15.2…

线性回归 - 机器学习多元线性回归 - 一步一步详解 - Python代码实现

目录 数据导入 单变量线性回归 绘制散点图 相关系数R 拆分训练集和测试集 多变量线性回归 数据检验&#xff08;判断是否可以做线性回归&#xff09; 训练线性回归模型 先甩几个典型的线性回归的模型&#xff0c;帮助大家捡起那些年被忘记的数学。 ● 单变量线性回归&…

Checking battery state… ubuntu

Checking battery state… 当ubuntu启动的时候遇到 “Checking battery state….”时&#xff0c; 按下ctrl alt F1,进入终端&#xff0c;使用管理员权限执行下列代码 sudo rm /etc/X11/xorg.confsudo reboot 转载于:https://www.cnblogs.com/hjslovewcl/archive/2011/06/30/…

层次分析法AHP - 代码注释多 - ( 数据建模 Python代码)

实际生活中&#xff0c;往往有一些很复杂的系统&#xff0c;我们没办法直观草率的确定权重&#xff0c;比如甲、乙、丙三人竞选总统&#xff0c;严谨的说&#xff0c;需要从三人的社交能力、管理能力、经济能力等方面来考虑&#xff0c;在每个方面&#xff0c;三位候选人的得分…