II.III 变量赋值区域
赋值模块顾名思义是涉及到给变量赋值，但这里的变量特指是集合变量，因为其他的单个的决策变量，可以直接在定义时赋值，只有集合变量涉及到定义和赋值分开。
该模块以data：开头，以enddata结尾，因此所有对集合的赋值操作都要在这个区域内完成。
赋值的方法是很简单的，这里跟之前一样分一维和二维集合变量进行介绍：
II.III.i 一维集合变量的赋值
对一维集合的赋值，格式为：
集合变量名 = n1,n2,…
注意这里是集合变量名，不是集合名。
II.III.ii 二维集合变量的赋值
对二维集合的赋值，格式为：
集合变量名 = a11,a12,a13…a1n, a21,a22,….a2n,…ann
简单的说就是二维集合变量的赋值，从左到右，是从第一行的第一列开始，到最后一行的最后一列，每一行结束后，下一个数字是下一行的第一列的数字。
下面的代码演示了这部分的内容：
sets:
supply/1…2/: s; !集合一，s是集合变量
demand/1…3/: d; !集合二，d是集合变量
link(supply,demand): road, g; !二维集合，road和g是集合变量
endsets
data:
road = 10,5,6,4,8,12;
d = 50,70,40;
s = 60,100;
enddata
II.IV 约束条件区域（逻辑部分）
通过一个@for函数（和@sum）的使用场景实例，讲解for循环和@sum在lingo中的实现。通过对一个具体问题的分析，我们得到了一组约束条件：
这个例子中，变量g是决策变量，L、d和s都是已知的变量,已知变量的赋值：
model:
sets:
supply/1…2/😒;
demand/1…3/:d;
link(supply, demand):road, g;
endsets
data:
L = 10, 5, 6, 4, 8, 12;
d = 50, 70, 40;
s = 60, 100;
显然上述的代码还原了我们的规划方程中关于数据的定义，接下来就要处理三个累加的问题了。累加的问题用编程解决就是用循环思想，在lingo中，@sum函数提供了累加，@for函数提供了循环的方法。
II.IV.i @max函数的使用
@sum函数的定义：@sum(参数1：参数2_参数3_…)
总得来说，@sum函数有两个传参，参数1和参数2，它们的意义：
参数1：设要参与累加的那个集合变量所在的集合的集合名称为A，参数1：A(i,j) (或一维集合：A(i))，这里注意，第一个参数是集合名称，不是集合变量名称！
参数2：设要参与累加的那个集合的一系列集合变量的名称为B, 参数2：B(i,j). 当然了如果是单纯的加法，那么参数2只有一个集合变量B，那么参数2就是简简单单的B(i,j)而已,但如果出现积的和，需要添加一步乘法的运算。(也可能是一维的集合，那么就是B(i))
了解了@sum函数，那么第一个约束条件就可以转换成代码了，因为它只用到了@sum函数，不涉及@for。
首先，min就用min函数表示，后面出现了累加，我们进行简单的分析，发现g和L来自于集合link，于是@sum的第一个参数就是link(i,j)。
第2个参数，上面提到了，是集合变量(i,j)，由于这里是一个乘积关系，在集合名称(i,j)的基础上加上一个乘法的运算，套用参数2的结论，第二个参数就是g(i,j) * L(i,j)。
把两个参数用之前定义格式放好，我们得到了关于第一个约束条件的lingo代码：
min = @sum(link(i,j) : L(i,j) * g(i,j));
II.IV.ii @for循环的使用
@for函数的定义：@for(参数1：@sum函数)
其中参数1是被操作的一维集合的集合名称(i/j)，也即只有一个索引值的那个集合。第2个参数是@sum函数，这个函数内部的定义与之前@sum函数有稍微区别：第1个参数不再是参与累加的变量所在的集合的集合名称，而是参与累加的变量实际累加的下标对应的集合的集合名称，例如参与累加的变量g(i,j)，如果每一轮的循环，只有i在变化，那么这个第1个参数就是组成g(i,j)所在的二维集合的提供i索引的一维集合的名称，本例中提供i索引的一维集合是supply集合，因此第1个参数是supply(i)，第2个参数照旧，即参与累加的集合变量名(i,j)。
下面分析下面的两个条件转译为lingo代码：
首先，对于第一个条件，@for的参数1是d这个集合变量所在集合的集合名称(j),也即d(j)。之后，第2个参数@sum函数，根据条件的定义，是对于每一个j的值，进行i从1-2的累加，那么@sum函数写作：
@sum(supply(i)：g(i,j))
最后，在@for函数中执行赋值操作，即把@sum函数得到的结果赋值给d变量，因此完整的代码写作：
@for(demand(j)：@sum(supply(i)：g(i,j)) = d(j))
同理，第二个约束条件转译代码：
@for(supply(i)：@sum(demand(j)：g(i,j)) = s(i))
II.V 补充：lingo常见函数
@bin(x):只有0和1结果的函数
@free(x):解除变量的非负性
@abs(x):绝对值函数，返回x的绝对值；
@cos(x):余弦函数，返回x的余弦值（x的单位是弧度）；
@exp(x):指数函数，返回e x e^xe
x
的值（其中e为自然对数的底）；
@floor(x):取整函数，返回x的整数部分（向最靠近0的方向取整）；
@lgm(x):返回x的伽马（Gamma）函数的自然对数值（当x为整数时，lgm(x)=log(x-1)；当x不为整数时，采用线性插值得到结果）；
@log(x):自然对数函数，返回x的自然对数值；
@mod(x,y):模函数，返回x对y取模结果，即x除以y的余数，这里x和y应该是整数；
@pow(x,y):指数函数，返回x y x^yx
y
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！
由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新
如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）
如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、学习软件
工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
五、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
文章来源：https://www.toymoban.com/news/detail-858444.html
成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！文章来源地址https://www.toymoban.com/news/detail-858444.html
2731a671c1fb70aad5355a2c5eeff0.png)
五、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！
到了这里，关于Lingo软件入门【数学建模】，面试Python开发十大问题的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
