LINGO是用来求解线性和非线性优化问题的简易工具。
LINGO内置了一种建立最优化模型的语言,可以简便地表达大规模问题,利用LINGO高效的求解器可快速求解并分析结果。
§1LINGO快速入门当你在windows下开始运行LINGO系统时,会得到类似下面的一个窗口:外层是主框架窗口,包含了所有菜单命令和工具条,其它所有的窗口将被包含在主窗口之下。
在主窗口内的标题为LINGOModel–LINGO1的窗口是LINGO的默认模型窗口,建立的模型都都要在该窗口内编码实现。
下面举两个例子。
例1.1如何在LINGO中求解如下的LP问题:在模型窗口中输入如下代码:min=2*x1+3*x2;x1+x2>=350;x1>=100;2*x1+x2<=600;然后点击工具条上的按钮即可。
例1.2使用LINGO软件计算6个发点8个收点的最小费用运输问题。
产销单位运价如下表。
单位销地运价产地 B1 B2 B3 B4 B5 B6 B7 B8 产量A1 6 2 6 7 4 2 5 9 60A2 4 9 5 3 8 5 8 2 55A3 5 2 1 9 7 4 3 3 51A4 7 6 7 3 9 2 7 1 43A5 2 3 9 5 7 2 6 5 41A6 5 5 2 2 8 1 4 3 52销量 35 37 22 32 41 32 43 38 使用LINGO软件,编制程序如下:model:!6发点8收点运输问题;sets:warehouses/wh1..wh6/:capacity;vendors/v1..v8/:demand;links(warehouses,vendors):cost,volume;endsets!目标函数;min=@sum(links:cost*volume);!需求约束;@for(vendors(J):@sum(warehouses(I):volume(I,J))=demand(J));!产量约束;@for(warehouses(I):@sum(vendors(J):volume(I,J))<=capacity(I));!这里是数据;data:capacity=605551434152;demand=3537223241324338;cost=626742954953858252197433767392712395726555228143;enddataend然后点击工具条上的按钮即可。
为了能够使用LINGO的强大功能,接着第二节的学习吧。
§2LINGO中的集对实际问题建模的时候,总会遇到一群或多群相联系的对象,比如工厂、消费者群体、交通工具和雇工等等。
LINGO允许把这些相联系的对象聚合成集(sets)。
一旦把对象聚合成集,就可以利用集来最大限度的发挥LINGO建模语言的优势。
现在我们将深入介绍如何创建集,并用数据初始化集的属性。
学完本节后,你对基于建模技术的集如何引入模型会有一个基本的理解。
2.1为什么使用集集是LINGO建模语言的基础,是程序设计最强有力的基本构件。
借助于集,能够用一个单一的、长的、简明的复合公式表示一系列相似的约束,从而可以快速方便地表达规模较大的模型。
2.2什么是集集是一群相联系的对象,这些对象也称为集的成员。
一个集可能是一系列产品、卡车或雇员。
每个集成员可能有一个或多个与之有关联的特征,我们把这些特征称为属性。
属性值可以预先给定,也可以是未知的,有待于LINGO求解。
例如,产品集中的每个产品可以有一个价格属性;
卡车集中的每辆卡车可以有一个牵引力属性;
雇员集中的每位雇员可以有一个薪水属性,也可以有一个生日属性等等。
LINGO有两种类型的集:原始集(primitive set)和派生集(derivedset)。
一个原始集是由一些最基本的对象组成的。
一个派生集是用一个或多个其它集来定义的,也就是说,它的成员来自于其它已存在的集。
2.3模型的集部分集部分是LINGO模型的一个可选部分。
在LINGO模型中使用集之前,必须在集部分事先定义。
集部分以关键字“sets:”开始,以“endsets”结束。
一个模型可以没有集部分,或有一个简单的集部分,或有多个集部分。
一个集部分可以放置于模型的任何地方,但是一个集及其属性
1
editableselect可输入可实时查询的下拉选
2025/3/20 14:23:22 2KB css
1
支持三行表头,修改了官方的jquery.jqGrid.min.js,直接替换即可
2025/3/17 12:33:48 488KB jqgrid
1
远程教育在线考试答题页面模板基于jquery-1.11.3.min.js制作,主要以答题卡为主,左边是题目,右边是答题卡,比较适合开发者。
2025/3/11 20:54:55 58KB HTML CSS jQuery
1
里面包含flotr2.min.js包及一个简单的小例子,另外附官方Demo地址
2025/3/7 15:17:47 33KB flotr2
1
常用jq版本记录
2025/2/21 19:41:33 94KB jquery
1
jquery-1.4.1.min.js文件
2025/2/7 8:54:37 87KB jquery
1
液相脉冲激光烧蚀法(PLAL)具有绿色环保、适用范围广及可制备复合材料等优点,受到学术界的广泛关注,但是较低的制备效率限制了它进一步发展。
将微流控技术与液相脉冲激光烧蚀法相结合,在硅基微流控芯片中实现了快速高效制备晶格型(400~800nm)和球型(100~300nm)硅纳米结构。
通过扫描电子显微镜和光谱仪对其形貌结构及分布情况进行了测试表征,获得了微流控流速、激光烧蚀功率与纳米粒子制备效率之间的关系。
该方法将液相脉冲激光烧蚀法的最高制备效率提高了30%以上,达到87.5mg/min,为将来液相脉冲激光烧蚀法工业化生产提供一种新的技术路线。
2025/2/5 21:46:57 6.27MB 激光制造 液相脉冲 制备效率 微流体
1
%MATLAB数学建模工具箱%%本工具箱主要包含三部分内容%1.MATLAB常用数学建模工具的中文帮助%2.贡献MATLAB数学建模工具(打*号)%3.中国大学生数学建模竞赛历年试题MATLAB程序%数据拟合%interp1-一元函数插值%spline-样条插值%polyfit-多项式插值或拟合%curvefit-曲线拟合%caspe-各种边界条件的样条插值%casps-样条拟合%interp2-二元函数插值%griddata-不规则数据的二元函数插值%*interp-不单调节点插值%*lagrange-拉格朗日插值法%%方程求根%inv-逆矩阵%roots-多项式的根%fzero-一元函数零点%fsolve-非线性方程组%solve-符号方程解%*newton-牛顿迭代法解非线性方程%%微积分和微分方程%diff-差分%diff-符号导函数%trapz-梯形积分法%quad8-高精度数值积分%int-符号积分%dblquad-矩形域二重积分%ode45-常微分方程%dsolve-符号微分方程%*polyint-多项式积分法%*quadg-高斯积分法%*quad2dg-矩形域高斯二重积分%*dblquad2-非矩形域二重积分%*rk4-常微分方程RungeKutta法%%随机模拟和统计分析%max,min-最大,最小值%sum-求和%mean-均值%std-标准差%sort-排序(升序)%sortrows-按某一列排序(升序)%rand-[0,1]区间均匀分布随机数%randn-标准正态分布随机数%randperm-1...n随机排列%regress-线性回归%classify-统计聚类%*trim-坏数据祛除%*specrnd-给定分布律随机数生成%*randrow-整行随机排列%*randmix-随机置换%*chi2test-分布拟合度卡方检验%%数学规划%lp-线性规划%linprog-线性规划(在MATLAB5.3使用)%fmin-一元函数极值%fminu-多元函数极值拟牛顿法%fmins-多元函数极值单纯形搜索法%constr-非线性规划%fmincon-非线性规划(在MATLAB5.3使用)%%离散优化%*enum-枚举法%*monte-蒙特卡洛法%*lpint-线性整数规划%*L01p_e-0-1整数规划枚举法%*L01p_ie-0-1整数规划隐枚举法%*bnb18-非线性整数规划(在MATLAB5.3使用)%*bnbgui-非线性整数规划图形工具(在MATLAB5.3使用)%*mintreek-最小生成树kruskal算法%*minroute-最短路dijkstra算法%*krusk-最小生成树kruskal算法mex程序%*dijkstra-最短路dijkstra算法mex程序%*dynprog-动态规划%%%图形%plot-平面曲线(一元函数)%plot3-空间曲线%mesh-空间曲面(二元函数)%*meshf-非矩形网格图%*draw-用鼠标划光滑曲线%%中国大学生数学建模竞赛题解%jm96a-捕鱼策略%jm96b-节水洗衣机%jm96bfun-节水洗衣机优化函数%jm97a-零件参数设计%jm97afun-零件参数函数%jm97aoptim-零件参数设计优化函数%jm97b-截断切割%jm97bcount-截断切割枚举法%jm97brule-截断切割优化准则%jm98a1-风险投资模型求解%jm98a2-风险投资模型讨论%jm98a3-收益与风险非线性模型求解%jm98a3fun-收益与风险非线性模型优化函数%jm98b-灾情巡视路线(C程序)%jm99a1-自动化车床模型一%jm99a1fun-自动化车床模型目标函数%jm99a1simu-自动化车床模型随机模拟%jm99asmfun-自动化车床模型费用函数%%演示程序%fun
1
echarts-gl.min.js文件,辅助echarts开发插件,完整文件可下载使用
2025/1/29 15:47:41 657KB echarts-gl.min.j echarts-gl.js echarts
1
共 170 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡