GAMS语言详解

最新推荐文章于 2025-09-02 22:57:29 发布

原创最新推荐文章于 2025-09-02 22:57:29 发布 · 668 阅读

8 ·

CC 4.0 BY-SA版权

this is my great world

文章标签：

#算法 #机器学习 #python

编程语言专栏收录该内容

81 篇文章

订阅专栏

1. GAMS是什么？

GAMS (General Algebraic Modeling System) 是一种高级建模系统，专为解决数学规划和最优化问题而设计。它由美国世界银行的开发团队在20世纪70年代末期创建，其核心目标是提供一个统一的、高层次的语言，让用户能够以代数形式清晰地表达复杂的模型，而无需关注底层求解器的细节。

GAMS 的独特之处在于它将模型描述（即代数公式和数据）与求解算法（即求解器）完全分离。你只需用 GAMS 语言定义模型的所有元素（包括集合、数据、变量、方程和目标函数），然后 GAMS 系统会自动选择或允许你指定合适的求解器来解决该模型。这种“声明式”的建模方法使得模型更易于理解、维护和扩展，极大地提高了建模效率。

GAMS 广泛应用于经济学、工程、能源系统、供应链管理、环境科学和农业等多个领域，用于解决线性规划（LP）、非线性规划（NLP）、混合整数规划（MIP）、混合整数非线性规划（MINLP）等各种复杂的优化问题。

2. GAMS的核心建模元素

一个完整的 GAMS 模型通常由六个核心部分构成，每个部分都服务于特定的目的。

2.1 集合 (Sets)

集合是 GAMS 语言最基本的构建块，用于定义模型的维度和索引。GAMS 模型的强大之处在于它能够处理大型数据结构，而集合正是实现这一点的关键。通过定义集合，你可以用简洁的代数形式来表示成百上千个变量和方程。

语法: SETS 关键字用于声明集合。
```
SETS
  i "工厂" / 1*10 /
  j "市场" / A, B, C, D / ;
```
在这个例子中，i 集合代表10个工厂，j 集合代表4个市场。你可以通过这些索引来定义变量和数据，例如 x(i, j) 代表从工厂 i 到市场 j 的运输量。

2.2 数据 (Data)

GAMS 提供了多种方式来声明和输入数据，确保模型与数据是分离的。

SCALARS (标量): 用于定义单个数值。

SCALARS
  f "运费" / 90 /
  e "排放上限" / 1000 / ;

PARAMETERS (参数): 用于定义带索引的数据，通常是向量或矩阵。

PARAMETERS
  a(i) "工厂产能" / 1: 150, 2: 250, 3: 120 /
  b(j) "市场需求" / A: 100, B: 200, C: 150 / ;

TABLE (表格): 用于定义二维或多维矩阵，提供更直观的数据输入格式。

TABLE d(i,j) "工厂到市场的距离"
       A    B    C
  1   10   20   30
  2   15   25   35
  3   18   28   38 ;

2.3 变量 (Variables)

变量代表模型中需要优化的未知量。GAMS 要求你声明每个变量的类型。

语法: VARIABLES 关键字用于声明变量。

VARIABLES
  x(i, j) "运输量"
  z "总成本" ;

变量类型: GAMS 提供了多种变量类型来适应不同类型的优化问题。
- FREE VARIABLE (默认): 无约束变量，可为正、负或零。
- POSITIVE VARIABLE: 非负变量（ge0）。
- BINARY VARIABLE: 二进制变量（0或1）。
- INTEGER VARIABLE: 整数变量。

你也可以为变量设定上下界。

x.lo(i,j) = 0 ;   ( 运输量不能为负 )
x.up(i,j) = 100 ; ( 运输量上限为100 )

2.4 方程 (Equations)

方程是定义模型约束和目标函数的代数表达式。GAMS 的方程语法与数学表达式非常相似，易于理解和编写。

语法: EQUATIONS 关键字用于声明方程的名称，然后在模型部分定义其具体代数形式。

EQUATIONS
  cost_equation "定义总成本"
  supply_constraint(i) "工厂产能约束"
  demand_constraint(j) "市场需求约束" ;

方程的定义:
```
cost_equation.. z =e= sum((i,j), d(i,j) * x(i,j)) ;
supply_constraint(i).. sum(j, x(i,j)) =l= a(i) ;
demand_constraint(j).. sum(i, x(i,j)) =g= b(j) ;
```
这里的 e= 代表“等于”（equality），=l= 代表“小于或等于”（less than or equal to），=g= 代表“大于或等于”（greater than or equal to）。sum 是一个内置函数，用于对集合中的所有元素求和。

2.5 模型与求解 (Model and Solve)

在定义完所有元素后，你需要将它们组合成一个完整的模型并进行求解。

MODEL: 将相关的方程和变量捆绑在一起。
```
MODEL transport_model / all / ;
```
/ all / 是一个简写，表示包含所有已声明的方程。你也可以显式地列出方程名称。

SOLVE: 执行求解过程。

SOLVE transport_model USING LP MINIMIZING z ;