설명
이 모델은 목표물에 대한 무기 할당을 순서대로 결정합니다.
최소한의 비용으로 최대의 피해를 입힐 수 있습니다. 이것은 고전이다
NLP 테스트 문제입니다.
소형 모델 유형 :NLP
메인 파일 : weapons.gms
$title 무기 할당(WEAPONS,SEQ=18)

$onText
이 모델은 목표물에 대한 무기 할당을 순서대로 결정합니다.
최소한의 비용으로 최대의 피해를 입힐 수 있습니다. 이것은 고전이다
NLP 테스트 문제입니다.

Bracken, J 및 McCormick, GP, 2장.
비선형 프로그래밍. John Wiley and Sons, 뉴욕, 1968년, 22-27페이지.

키워드: 비선형 프로그래밍, 할당 문제, 군사 응용,
          nlp 테스트 문제
$offText

세트
   w '무기' / ICBM '대륙간탄도미사일'
                 MRBM-1 '첫 번째 지역에서 발사되는 중거리 탄도미사일'
                 LR-폭격기 '장거리 폭격기'
                 F-폭격기 '전투기 폭격기'
                 MRBM-2 '제2지역에서 발사된 중거리 탄도미사일' /
   t '대상' / 1*20 /;

테이블 td '대상 데이터'
            1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 가능
ICBM .05 .15 .10 .15 .20 .05 200
mrbm-1 .16 .17 .15 .16 .15 .19 .19 .18 .20 .14 .02 .12 .13 .12 .15 .16 .15 .15 100
lr-폭격기 .04 .05 .04 .04 .04 .10 .08 .09 .08 .05 .01 .02 .01 .02 .03 .02 .05 .08 .07 .08 300
f폭격기 .04 .09 .08 .09 .08 .02 .07 150
mrbm-2 .08 .06 .08 .05 .05 .02 .02 .10 .05 .04 .09 .02 .01 .01 250
피해량 60 50 50 75 40 60 35 30 25 150 30 45 125 200 200 130 100 100 100 150
목표 30 100 40 50 70 35 10 ;

매개변수
   wa(w) '무기 가용성'
   tm(t) '타겟당 최소 무기 수'
   mv(t) '목표의 군사력';

wa(w) = td(w,"이용 가능");
tm(t) = td("목표",t);
mv(t) = td("손상",t);

wa, tm, mv를 표시합니다.

변수
   x(w,t) '무기 할당'
   prob(t) '각 목표에 대한 확률'
   tetd '총 예상 피해량';

양수 변수 x;

방정식
   maxw(w) '무기 밸런스'
   minw(t) '대상당 필요한 최소 무기 수'
   프로브(t) '확률 정의'
   etdp '총 예상 피해 대체 공식'
   etd '총 예상 피해';

maxw(w).. sum(t$td(w,t), x(w,t)) =l= wa(w);

minw(t)$tm(t).. sum(w$td(w,t), x(w,t)) =g= tm(t);

프로브(t).. prob(t) =e= 1 - prod(w$td(w,t), (1-td(w,t))**x(w,t));

etdp..tetd =e= sum(t, mv(t)*prob(t));

etd.. tetd =e= sum(t, mv(t)*(1-prod(w$td(w,t), (1-td(w,t))**x(w,t))));

모델
   전쟁 '전통적인 공식' / maxw, minw, etd /
   워프 '확장된 공식' / maxw, minw, 프로브, etdp /;

x.l(w,t)$td(w,t) = wa(w)/카드(t);

nlp를 사용하여 tetd를 최대화하는 전쟁을 해결합니다.

매개변수 보고서 '요약 보고서';

* 옵션 보고서:0;
보고서(w,t) = x.l(w,t);
report('total',t) = sum(w, x.l(w,t));
보고서(w,'총계') = 합계(t, x.l(w,t));

보고서 표시;