优化建檩 将文件存储并命名为exam0501a.1g4, 执行菜单命令“ LINGO| Solve”,运行该程序得到 Local optimal solution found Objective value: 4800.000 Total solver iterations 26 Variable value Reduced cost Ⅹ11 500.00000.000000 Ⅹ21 500.00000.000000 Ⅹ12 0.000000 0.000000 Ⅹ22 0.0000000.000000 Ⅹ1 0.0000000.000000 Ⅹ2 0.0000000.000000 3 0.0000000.000000 0.000000 0.000000
优化建模 将文件存储并命名为exam0501a.lg4， 执行菜单命令“LINGO|Solve”，运行该程序得到： Local optimal solution found. Objective value: 4800.000 Total solver iterations: 26 Variable Value Reduced Cost X11 500.0000 0.000000 X21 500.0000 0.000000 X12 0.000000 0.000000 X22 0.000000 0.000000 X1 0.000000 0.000000 X2 0.000000 0.000000 X3 0.000000 0.000000 X 0.000000 0.000000
优化建祺 最优解:用库存的500吨原油A、500吨原油B生产1000 吨汽油甲,不购买新的原油A,利润为4800(千元) 但是此时 LINGO得到的结果只是一个局部最优解 可以用菜单命令“ LINGO0 ptions”在“ Global Solver”选项卡上启动全局优化( Use globa1 Solver)选项,然后重新执行菜单命令 “LING0 Solve”,得到: Global optimal solution found. Objective value: 5000.002 Extended solver steps Total solver iterations 187
优化建模 最优解: 用库存的500吨原油A、500吨原油B生产1000 吨汽油甲，不购买新的原油A，利润为4800（千元） 但是此时LINGO得到的结果只是一个局部最优解 可以用菜单命令“LINGO|Options”在“Global Solver”选项卡上启动全局优化（Use Global Solver）选项，然后重新执行菜单命令 “LINGO|Solve” , 得到： Global optimal solution found. Objective value: 5000.002 Extended solver steps: 3 Total solver iterations: 187
优化建祺 Variable Value Reduced cost Ⅹ11 0.000000 0.000000 Ⅹ21 0.000000 0.000000 Ⅹ12 1500.000 0.000000 Ⅹ22 1000.000 0.000000 Ⅹ1 500.0000 0.000000 Ⅹ2 499.9990 0.000000 Ⅹ3 0.9536707E-03 0.000000 1000.000 0.000000 此时LING0得到的结果是一个全局最优解 ( Global optimal solution):购买1000吨原油A 与库存的500吨原油A和1000吨原油B一起,共生产 2500吨汽油乙,利润为5000(千元),高于刚刚得 到的局部最优解对应的利润4800(千元)
优化建模 Variable Value Reduced Cost X11 0.000000 0.000000 X21 0.000000 0.000000 X12 1500.000 0.000000 X22 1000.000 0.000000 X1 500.0000 0.000000 X2 499.9990 0.000000 X3 0.9536707E-03 0.000000 X 1000.000 0.000000 此时LINGO得到的结果是一个全局最优解 （Global optimal solution）：购买1000吨原油A， 与库存的500吨原油A和1000吨原油B一起，共生产 2500吨汽油乙，利润为5000（千元），高于刚刚得 到的局部最优解对应的利润4800（千元）
优化建檩 第2种解法: 引入0-1变量将(11)和(12)转化为线性约束 令y1=1,y2=1,y3=1分别表示以10千元吨、8千元 /吨、6千元/吨的价格采购原油A,则约束(11) 和(12)可以替换为 500y2≤x1≤500y1 (14) 500y3≤x2≤500y 15) x2≤500 (16) n,y2’y3=0或1
优化建模 第2种解法: 引入0-1变量将（11）和（12）转化为线性约束 令y1=1，y2=1，y3=1分别表示以10千元/吨、8千元 /吨、6千元/吨的价格采购原油A，则约束（11） 和（12）可以替换为 500 2 1 500 1 y x y 500 3 2 500 2 y x y 3 500 3 x y (14) (15) (16) y1，y2，y3 =0或1 (17)
优化建檩 (3)(10),(13)(17)构成混合整数线性 规划模型,将它输入LIND0软件:
优化建模 （3）~（10），（13）~（17）构成混合整数线性 规划模型，将它输入LINDO软件：