規劃求解演算法

『叄』 excel規劃求解最接近值

第1種方法，使用VBA的方法：

首先，我們在E1單元格中輸入公式：

=SUMPRODUCT(A1:A25*B1:B25)，表示A列和B列相乘相加

『肆』 用動態規劃求解非線性規劃問題：

設 MAX Z=x1*(x2^2)*x3
s.t{ x1+x2*2+x3<=8
x1,x2,x3>=0

將該問題分為三個階段，令S0,S1,S2,S3分別表示狀態變數，且S3<=8,取x1,x2,x3為各階段決策變數，最優值函數Fk(Sk)表示第k階段結束狀態為Sk時從第1至第k階段的最大值，故
x1=s1,2*x2+S1=S2,x3+S2=S3<=8
所以 x1=S1,0=<x2<=S2/2,0=<x3<=S3
且 S1=S2-2*x2,S2=S3-x3
用逆序遞推法可知：
F1(S1)=max(x1)[其中 x1=s1]
則 (x1)* =S1 , F1(S1)=S1
F2(S2)=max(x2^2*F1(S1))
=max[x2^2*(S2-2*x2)]
(其中 0=<x2<=S2/2)
則 (x2)* =S2/3 , F2(S2)=(S2^3)/27
F3(S3)=max(x3*F2(S2))
=max[x3*(S2^3)/27]
(其中 0=<x3<=S3)
則 (x3)* =S3/4 , F3(S3)=(S3^4)/256
經分析可知，當S3=8時，F3(S3)=(S3^2)/4=16
此時達最大。故反推得：
(x3)* =S3/4=2 ，S2=S3-x3=8-2=6
(x2)* =S2/3=2 ，S1=S2-2*x2=6-4=2
(x1)* =S1=2.
MAX Z=x1*(x2^2)*x3=16

『伍』 請問這兩張圖片的題目如何用EXCEL的規劃求解來求最大流問題，求大神呀呀呀

這個是Excel 中的特殊功能，規劃求解。打開方法是Excel 菜單-工具-載入宏，然後在彈出的列表中選擇「規劃求解」。這個時候Excel 菜單-工具下會多出個規劃求解的選項。
然後就是要設計公式，
第一是目標：在上面的案子中就是要求流量的最大值。
第二是給出可改變的數據的范圍。就是案例圖中黃色的那部分
第三是限制：
限制一：所有可變數據是整數，且都大於等於0。
限制二: 流量的限制要做：就是節點兩兩間的流量有最大值限制。
限制三: 每個節點的入出均衡：譬如D點入點數據是AD,BD,ED 出點數據是 DF, 這里得出等式 AD+BD+ED = DF。 這里存在整個案例的缺陷，題目中沒有考慮ED等線上數據的雙向流動問題。
然後就是求解。
規劃求解是一種逼近演算法，演算法要花大精力搞明白。而我們只是使用，一開始肯定一頭霧水，門我替你開了，下面你先找個更加簡單的模型練練手吧，自己用搜索引擎找找看「規劃求解」案例，再試試看吧。

『陸』 機會約束規劃求解的精度問題

機會約束規劃的解法大致有兩種。其一，將機會約束規劃轉化為確定性規劃，然後用確定性規劃的理論去解決；其二，通過隨機模擬技術處理機會約束條件，並利用遺傳演算法的優勝劣汰，得到機會約束規劃的目標函數最優值和決策變數最優解集。
機會約束規劃的目標函數最優值及決策變數的最優解集與模型中的隨機系數有關，因而具有隨機性。從數理統計的角度看，對這種隨機的目標函數最優值以及決策變數的最優解集可以作出某種置信水平的區間估計。衡量區間估計的精度的一個重要指標是估計區間的長度，估計區間長度越小，估計精度就越大；反之，估計區間長度越大，估計精度就越小。

『柒』 簡述動態規劃演算法的基本範式

動態規劃演算法通常用於求解具有某種最優性質的問題.在這類問題中,可能會有許多可行解.每一個解都對應於一個值,我們希望找到具有最優值的解.動態規劃演算法與分治法類似,其基本思想也是將待求解問題分解成若干個子問題,先求解子問題,然後從這些子問題的解得到原問題的解.與分治法不同的是,適合於用動態規劃求解的問題,經分解得到子問題往往不是互相獨立的.若用分治法來解這類問題,則分解得到的子問題數目太多,有些子問題被重復計算了很多次.如果我們能夠保存已解決的子問題的答案,而在需要時再找出已求得的答案,這樣就可以避免大量的重復計算,節省時間.我們可以用一個表來記錄所有已解的子問題的答案.不管該子問題以後是否被用到,只要它被計算過,就將其結果填入表中.這就是動態規劃法的基本思路.具體的動態規劃演算法多種多樣,但它們具有相同的填表格式.

『捌』 excel可以求解哪些規劃問題

作為一個愛好者，我一般也只接觸數學模型的規劃求解問題 實際運用到運營項目還確實少見 不過你直接網路，excel規劃求解實例 從結果中應該有不少商業化用途實例 可以藉助VBA設置循環，調用規劃求解，列出結果。參考： "根據貨物數量和紙箱規格優化裝貨策略" 同樣可以藉助VBA啊，得出1次結果，列到其它區域，然後清空變數區域，再求解，如此往復。Excel中載入規劃求解模塊。Excel2010的步驟是：文件->選項->載入項->轉到->勾選上「規劃求解載入項」。 看題理解後進行數學建模，然後將模型和數據輸入在Excel的單元格中。本例的題目為：某工廠在計劃期內要安排生產Ⅰ、Ⅱ兩種產品，已知生產單位產品所需的設備台時及A、B兩種原材料的消耗，如表2-1所示。該工廠每生產一件產品Ⅰ可獲利2元，每生產一件產品Ⅱ可獲利3元，問應如何安排計劃使該工廠獲利最多？生產產品I需耗時1單位，生產產品II需要耗時2單位時間，總的單位時間不超過8單位，產品I消耗原料A 4個單位，產品II消耗原材料B 4個單位，其中原料A有16kg，原料B有12kg

『玖』 動態規劃的推法 謝謝

DP是把一個很大的有階段性有最佳答案問題分割成許多子問題，每個子問題有自己的最優情況（最優子結構），也就是說，每個動態規劃的問題都是有許多最有子結構接和起來的，而推法就是要分割出最有子結構
然後對這個小問題得出最優的答案，並由此推出全局的最優解

1.最優子結構性質；

設Q[i,j]表示第i顆珠子到第j顆珠子合並所產生的能量。顯然Q[1,n]表示的是合並產生的總的能量。給定一種標號方法，maxQ[1,n]就是所要求的。設最後一次合並在k處進行，則有Q[1,n]＝Q[1,k]＋Q[k+1,n]＋top[1]*wei[k]*wei[n]。要Q[1,n]最大，必然要Q[1,k]，Q[k+1,n]最大。
證明：假設Q[1,k]不是最大，則必然存在一Q'[1,k]>Q[1,k]。那麼就有Q'[1,n]＝Q'[1,k]＋Q[k+1,n]＋top[1]*wei[k]*wei[n]>Q[1,k]。這與Q[1,n]的最優性矛盾

能量項鏈其實就是石子合並

演算法分析
競賽中多數選手都不約而同地採用了盡可能逼近目標的貪心法來逐次合並：從最上面
的一堆開始，沿順時針方向排成一個序列。 第一次選得分最小（最大）的相鄰兩堆合並，
形成新的一堆；接下來，在N－1堆中選得分最小（最大）的相鄰兩堆合並……，依次類推，
直至所有石子經N－1次合並後形成一堆。

例如有6堆石子，每堆石子數（從最上面一堆數起，順時針數）依次為3 46 5
4 2

（圖6.2-5）
要求選擇一種合並石子的方案，使得做5次合並，得分的總和最小。
按照貪心法，合並的過程如下：
每次合並得分
第一次合並 3 4 6 5 4 2 5
第二次合並 5 4 6 5 4 9
第三次合並 9 6 5 4 9
第四次合並 9 6 9 15
第五次合並 15 9 24
24
總得分＝5＋9＋9＋15＋24＝62

但是當我們仔細琢磨後，可得出另一個合並石子的方案：
每次合並得分
第一次合並 3 4 6 5 4 2 7
第二次合並 7 6 5 4 2 13
第三次合並 13 5 4 2 6
第四次合並 13 5 6 11
第五次合並 13 11 24
24
總得分＝7＋6＋11＋13＋24＝61
顯然，後者比貪心法得出的合並方案更優。 題目中的示例故意造成一個貪心法解題的
假像，誘使讀者進入「陷阱」。為了幫助讀者從這個「陷阱」里走出來， 我們先來明確一
個問題：

1．最佳合並過程符合最佳原理
使用貪心法至所以可能出錯， 是因為每一次選擇得分最小（最大）的相鄰兩堆合並，
不一定保證餘下的合並過程能導致最優解。聰明的讀者馬上會想到一種理想的假設：如果N
－1次合並的全局最優解包含了每一次合並的子問題的最優解，那麼經這樣的N－1次合並後
的得分總和必然是最優的。
例如上例中第五次合並石子數分別為13和11的相鄰兩堆。 這兩堆石頭分別由最初
的第1，2，3堆（石頭數分別為3，4，6）和第4，5，6堆（石頭數分別為5，4，
2）經4次合並後形成的。於是問題又歸結為如何使得這兩個子序列的N－2 次合並的得分
總和最優。為了實現這一目標，我們將第1個序列又一分為二：第1、2堆構成子序列1，
第3堆為子序列2。第一次合並子序列1中的兩堆，得分7； 第二次再將之與子序列2的
一堆合並，得分13。顯然對於第1個子序列來說，這樣的合並方案是最優的。同樣，我
們將第2個子序列也一分為二；第4堆為子序列1，第5，6堆構成子序列2。第三次合
並子序列2中的2堆，得分6；第四次再將之與子序列1中的一堆合並，得分13。顯然
對於第二個子序列來說，這樣的合並方案也是最優的。 由此得出一個結論——6堆石子經
過這樣的5次合並後，得分的總和最小。
我們把每一次合並劃分為階段，當前階段中計算出的得分和作為狀態， 如何在前一次
合並的基礎上定義一個能使目前得分總和最大的合並方案作為一次決策。很顯然，某階段
的狀態給定後，則以後各階段的決策不受這階段以前各段狀態的影響。 這種無後效性的性
質符最佳原理，因此可以用動態規劃的演算法求解。

2．動態規劃的方向和初值的設定
採用動態規劃求解的關鍵是確定所有石子堆子序列的最佳合並方案。 這些石子堆子序
列包括：
｛第1堆、第2堆｝、｛第2堆、第3堆｝、……、｛第N堆、第1堆｝；
｛第1堆、第2堆、第3堆｝、｛第2堆、第3堆、第4堆｝、……、｛第N堆、第1
堆、第2堆｝；
……
｛第1堆、……、第N堆｝｛第1堆、……、第N堆、第1堆｝……｛第N堆、第1堆、
……、第N－1堆｝

為了便於運算，我們用〔i，j〕表示一個從第i堆數起，順時針數j堆時的子序列
｛第i堆、第i＋1堆、……、第（i＋j－1）mod n堆｝
它的最佳合並方案包括兩個信息：
①在該子序列的各堆石子合並成一堆的過程中，各次合並得分的總和；
②形成最佳得分和的子序列1和子序列2。由於兩個子序列是相鄰的， 因此只需記住
子序列1的堆數；
設
f〔i，j〕——將子序列〔i，j〕中的j堆石子合並成一堆的最佳得分和；
c〔i，j〕——將〔i，j〕一分為二，其中子序列1的堆數；
（1≤i≤N，1≤j≤N）
顯然，對每一堆石子來說，它的
f〔i，1〕＝0 c〔i，1〕＝0 （1≤i≤N）
對於子序列〔i，j〕來說，若求最小得分總和，f〔i，j〕的初始值為∞； 若求最大得
分總和，f〔i，j〕的初始值為0。（1≤i≤N，2≤j≤N）。
規劃的方向是順推。先考慮含二堆石子的N個子序列（各子序列分別從第1堆、第2堆、
……、第N堆數起，順時針數2堆）的合並方案
f〔1，2〕，f〔2，2〕，……，f〔N，2〕
c〔1，2〕，c〔2，2〕，……，c〔N，2〕

然後考慮含三堆石子的N個子序列（各子序列分別從第1堆、第2堆、……、第N堆
數起，順時針數3堆）的合並方案
f〔1，3〕，f〔2，3〕，……，f〔N，3〕
c〔1，3〕，c〔2，3〕，……，c〔N，3〕
……

依次類推，直至考慮了含N堆石子的N個子序列（各子序列分別從第1堆、第2堆、 …
…、第N堆數起，順時針數N堆）的合並方案
f〔1，N〕，f〔2，N〕，……，f〔N，N〕
c〔1，N〕，c〔2，N〕，……，c〔N，N〕

最後，在子序列〔1，N〕，〔2，N〕，……，〔N，N〕中，選擇得分總和（f值）最
小（或最大）的一個子序列〔i，N〕（1≤i≤N），由此出發倒推合並過程。

3．動態規劃方程和倒推合並過程
對子序列〔i，j〕最後一次合並，其得分為第i堆數起，順時針數j堆的石子總數t。被
合並的兩堆石子是由子序列〔i，k〕和〔（i＋k－1）modn＋1，j－k〕（1≤k≤j－1）
經有限次合並形成的。為了求出最佳合並方案中的k值，我們定義一個動態規劃方程：
當求最大得分總和時
f〔i，j〕＝max｛f〔i，k〕＋f〔x，j-k〕＋t｝
1≤k≤j－1
c〔i，j〕＝k│ f〔i，j〕＝f〔i，k〕＋f〔x，j-k〕＋t
（2≤j≤n，1≤i≤n）

當求最小得分總和時
f〔i，j〕＝min｛f〔i，k〕＋f〔x，j－k〕＋t｝
1≤k≤j－1
c〔i，j〕＝k│ f〔i，j〕＝f〔i，k〕＋f〔x，j-k〕＋t
（2≤j≤n，1≤i≤n）
其中x＝（i＋k－1）modn＋1，即第i堆數起，順時針數k＋1堆的堆序號。

例如對（圖6．2－4）中的6堆石子，按動態規劃方程順推最小得分和。 依次得出含
二堆石子的6個子序列的合並方案
f〔1，2〕＝7 f〔2，2〕＝10 f〔3 ，2〕＝11
c〔1，2〕＝1 c〔2，2〕＝1 c〔3，2〕＝1
f〔4，2〕＝9 f〔5，2〕＝6 f〔6，2〕＝5
c〔4，2〕＝1 c〔5， 2〕＝1 c〔6，2〕＝1

含三堆石子的6個子序列的合並方案
f〔1，3〕＝20 f〔2，3〕＝25 f〔3，3〕＝24
c〔1，3〕＝2 c〔2，3〕＝2 c〔3，3〕＝1
f〔4，3〕＝17 f〔5，3〕＝14 f〔6，3〕＝14
c〔4，3〕＝1 c〔5，3〕＝1 c〔6，3〕＝2

含四堆石子的6個子序列的合並方案
f〔1，4〕＝36 f〔2，4〕＝38 f〔3，4〕＝34
c〔1，4〕＝2 c〔2，4〕＝2 c〔3，4〕＝1
f〔4，4〕＝28 f〔5，4〕＝26 f〔6，4〕＝29
c〔4，4〕＝1 c〔5，4〕＝2 c〔6，4〕＝3

含五堆石子的6個子序列的合並方案
f〔1，5〕＝51 f〔2，5〕＝48 f〔3，5〕＝45
c〔1，5〕＝3 c〔2，5〕＝2 c〔3，5〕＝2
f〔4，5〕＝41 f〔5，5〕＝43 f〔6，5〕＝45
c〔4，5〕＝2 c〔5，5〕＝3 c〔6，5〕＝3

含六堆石子的6個子序列的合並方案
f〔1，6〕＝61 f〔2，6〕＝62 f〔3，6〕＝61
c〔1，6〕＝3 c〔2，6〕＝2 c〔3，6〕＝2
f〔4，6〕＝61 f〔5，6〕＝61 f〔6，6〕＝62
c〔4，6〕＝3 c〔5，6〕＝4 c〔6，6〕＝3

f〔1，6〕是f〔1，6〕，f〔2，6〕，……f〔6，6〕中的最小值，表明最小
得分和是由序列〔1，6〕經5次合並得出的。我們從這個序列出發， 按下述方法倒推合
並過程：
由c〔1，6〕＝3可知，第5次合並的兩堆石子分別由子序列〔1，3〕和子序列〔
4，3〕經4次合並後得出。其中
c〔1，3〕＝2可知由子序列〔1，3〕合並成的一堆石子是由子序列〔1，2〕和
第三堆合並而來的。而c〔1，2〕＝1，以表明了子序列〔1，2〕的合並方案是第1堆
合並第2堆。
由此倒推回去，得出第1，第2次合並的方案
每次合並得分
第一次合並 3 4 6…… 7
第二次合並 7 6…… 13
13……
子序列〔1，3〕經2次合並後合並成1堆， 2次合並的得分和＝7＋13＝20。
c〔4，3〕＝1，可知由子序列〔4，3〕合並成的一堆石子是由第4堆和子序列〔5，
2〕合並而來的。而c〔5，2〕＝1，又表明了子序列〔5，2〕的合並方案是第5堆合
並第6堆。由此倒推回去，得出第3、第4次合並的方案
每次合並得分
第三次合並 ……54 2 6
第四次合並 ……5 6 11
……11
子序列〔4，3〕經2次合並後合並成1堆，2次合並的得分和＝6＋11＝17。
第五次合並是將最後兩堆合並成1堆，該次合並的得分為24。
顯然，上述5次合並的得分總和為最小
20＋17＋24＝61

上述倒推過程，可由一個print（〔子序列〕）的遞歸演算法描述
procere print （〔i，j〕）
begin
if j〈〉1 then ｛繼續倒推合並過程
begin
print（〔i，c〔i，j〕）；｛倒推子序列1的合並過程｝
print（〔i＋c〔i，j〕－1）mod n＋1，j－c〔i，j〕）
｛倒推子序列2的合並過程｝
for K：＝1 to N do｛輸出當前被合並的兩堆石子｝
if （第K堆石子未從圈內去除）
then begin
if（K＝i）or（K＝X）then置第K堆石子待合並標志
else第K堆石子未被合並；
end；｛then｝
第i堆石子數←第i堆石子數＋第X堆石子數；
將第X堆石子從圈內去除；
end；｛then｝
end；｛print｝
例如，調用print（〔1，6〕）後的結果如下：
print（〔1，6〕）⑤
│
┌——————┴——————┐
│ │
print（〔1，3〕）② print（〔4，3〕）④
│ │
print（〔1，2〕）① ┌—————┴—————┐
│ │ │
│
┌—————┴—————┐ print（〔4，1〕） print（〔5，2〕）③
│ │ │
print（〔1，1〕） print（〔2，1〕） │
┌——————┴——————┐
│ │
print（〔5，1〕） print（〔6，1〕）
（圖6.2-5）
其中回溯至
① 顯示 3 46 5 4
② 顯示 7 65 4 2
③ 顯示 13 54 2
④ 顯示 135 6
⑤ 顯示 13 11
注:調用print過程後，應顯示6堆石子的總數作為第5次合並的得分

『拾』 Excel中規劃求解問題

「 」
要點 此功能在 Windows RT PC 上的 Office 中不可用。要查看您使用的 Office 是什麼版
本？
規劃求解是 Microsoft Excel 載入項程序，可用於假設分析。使用「規劃求解」查找一個單元
格 （稱為目標單元格 ）中公式的優化（最大或最小）值，受限或受制於工作表上其他公式單元
格的值。「規劃求解」與一組用於計算目標和約束單元格中公式的單元格（稱為決策變數或變數單
元格）一起工作。「規劃求解」調整決策變數單元格中的值以滿足約束單元格上的限制，並產生您
對目標單元格期望的結果。
注意 Excel 2007 之前版本的「規劃求解」將目標單元格稱為「目標單元格」，將「決策變數單元
格」稱為「可變單元格」或「調整單元格」。
「規劃求解」示例
定義並求解問題
單步執行「規劃求解」試解
更改「規劃求解」的求解方法
保存或載入問題模型
「規劃求解」使用的求解方法
有關使用「規劃求解」的更多幫助
「 」
在以下示例中，每個季度的廣告級別影響銷售的單位數，間接確定銷售收入、關聯費用和利
潤。「規劃求解」可以更改廣告的季度預算（決策變數單元格 B5:C5），最多 200,000 人民幣的總
預算限制（單元格 F5），直到總利潤（目標單元格 F7）達到最大可能數量。變數單元格中的值
用於計算每個季度的利潤，因此它們與公式目標單元格 F7、=SUM (Q1 Profit:Q2 Profit) 相
關。
變數單元格
約束條件單元格
目標單元格
運行「規劃求解」後得到的新數值如下。
w 1/4(W)
http://office.microsoft.com/client/15/help/preview?AssetId=HA102749031&lcid=2052... 11/3/2014
1. 在「數據」選項卡上的「分析」組中，單擊「規劃求解」。
如果「規劃求解」命令或「分析」組不可用，則需要激活規劃求解載入項。
如何激活規劃求解載入項
1. 單擊「文件」選項卡，單擊「選項」，然後單擊「載入項」類別。
2. 在「管理」框中，單擊「Excel 載入項」，然後單擊「轉到」。
3. 在「可用載入項」框中，選擇「規劃求解載入項」復選框，然後單擊「確定」。
2. 在「設置目標」框中,輸入目標單元格的單元格引用或名稱。目標單元格必須包含公式。
3. 請執行下列操作之一：
• 若要使目標單元格的值盡可能大，請單擊「最大值」。
• 若要使目標單元格的值盡可能小，請單擊「最小值」。
• 若要使目標單元格為確定值，請單擊「值」，然後在框中鍵入數值。
4. 在「可變變數單元格」框中，輸入每個決策變數單元格區域的名稱或引用。用逗號分隔不相鄰的
引用。變數單元格必須直接或間接與目標單元格相關聯。最多可以指定 200 個可變單元格。
5. 在「遵守約束」框中，通過執行下列操作輸入任何要應用的約束：
1. 在「規劃求解參數」對話框中，單擊「添加」。
2. 在「單元格引用」框中，輸入要對其中數值進行約束的單元格區域的單元格引用或名稱。
3. 單擊希望在引用單元格和約束之間使用的關系
（「<=」、「=」、「>=」、「int」、「bin」或「dif」）。如果單擊「int」，則「約束」框中會顯示「整
數」。如果您單擊「bin」，則「二進制」將出現在「約束」框中。如果您單擊「dif」，
則「alldifferent」將出現在「約束」框中。
4. 如果在「約束」框中選擇關系 <=、= 或 >=，請鍵入數字、單元格引用或名稱、公式。
5. 請執行下列操作之一：
• 要接受約束並添加另一個約束，請單擊「添加」。
• 要接受約束條件並返回「規劃求解參數」對話框，請單擊「確定」。
注意 只能為決策變數單元格上的約束條件應用 int、bin 和 dif 關系。
通過執行下列操作可以更改或刪除現有的約束：
• 在「規劃求解參數」對話框中，單擊要更改或刪除的約束條件。
• 單擊「更改」並進行更改，或單擊「刪除」。
6. 單擊「求解」，再執行下列操作之一：
• 若要在工作表中保存求解值，請在「規劃求解結果」對話框中單擊「保存規劃求解的解」。
• 若要在單擊「求解」之前恢復原值，請單擊「恢復原值」。
備注
w 2/4(W)
http://office.microsoft.com/client/15/help/preview?AssetId=HA102749031&lcid=2052... 11/3/2014
• 您可以按 Esc 鍵中斷求解過程。Excel 利用找到的有關決策變數單元格的最後值重新計算工作
表。
• 要在「規劃求解」找到解決方案後創建基於您的解決方案的報告，您可以單擊「報表」框中的報告
類型，然後單擊「確定」。此報告是在工作簿中的一個新工作表上創建的。如果「規劃求解」未找
到解決方案，則只有部分報表可用或全部不可用。
• 要將決策變數單元格值保存為可以稍後顯示的方案，請在「規劃求解結果」對話框中單擊「保存方
案」，然後在「方案名」框中鍵入方案的名稱。
「 」
1. 定義了問題之後，請在「規劃求解參數」對話框中單擊「選項」。
2. 在「選項」對話框中，選中「顯示迭代結果」復選框以查看每個試解的結果，然後單擊「確定」。
3. 在「規劃求解參數」對話框中，單擊「求解」。
4. 在「顯示中間結果」對話框中，請執行下列操作之一：
• 要停止求解過程並顯示「規劃求解結果」對話框，請單擊「停止」。
• 要繼續求解過程並顯示下一個中間結果，請單擊「繼續」。
「 」
1. 在「規劃求解參數」對話框中，單擊「選項」。
2. 為對話框中「所有方法」、「GRG 非線性」和「進化」選項卡上的任意選項選擇或輸入值。
1. 在「規劃求解參數」對話框中，單擊「載入/保存」。
2. 為模型範圍輸入單元格區域，然後單擊「保存」或「載入」。
在保存模型時，為要放置該問題模型的空單元格區域中垂直范圍的第一個單元格輸入引用。
裝入模型時，輸入包含問題模型的整個單元格區域的引用。
提示 您可以通過保存工作簿將「規劃求解參數」對話框中的最後選擇與工作表保存在一起。
工作簿中的每個工作表均可能具有其自己的「規劃求解」選擇，並且都將對它們進行保存。您還
可以通過單擊「載入/保存」為工作表定義多個問題，以單獨地保存問題。
「 」
您可以在「規劃求解參數」對話框中選擇以下三種演算法或求解方法中的任意一種：
• 廣義簡約梯度 (GRG) 非線性 用於平滑非線性問題。
• LP Simplex 用於線性問題。
• 進化 用於非平滑問題。
有關這些方法的詳細信息，請聯系：
Frontline Systems, Inc.
P.O. 4288 號信箱
Incline Village, NV 89450-4288
(775) 831-0300
w 3/4(W)
http://office.microsoft.com/client/15/help/preview?AssetId=HA102749031&lcid=2052... 11/3/2014
網站：http://www.solver.com
電子郵件：[email protected]
「規劃求解」程序代碼的部分為 Frontline Systems, Inc 公司 1990-2009 年版權所有，部分為
Optimal Methods, Inc 公司 1989 年版權所有。
「 」
有關 Frontline Systems 的「規劃求解」的更詳細幫助，請訪問 www.solver.com 網站上的「規劃
求解幫助」。
w 4/4(W)
http://office.microsoft.com/client/15/help/preview?AssetId=HA102749031&lcid=2052... 11/3/2014