优化分析是很多领域中都要面临的一个重要问题，求解优化问题的一般做法是：建立模型、编写算法、求解计算。常见的问题类型有线性规划、非线性规划、混合整数规划、混合整数非线性规划、二次规划等，优化算法包括人工智能算法和内点法等数学类优化方法。

第一：典型优化模型、算法讲解和基于GAMS进行优化分析的优越性一、典型优化模型（LP、NLP、MIP、MINLP、MIQCP等）二、人工智能算法（遗传算法、蚁群算法、禁忌搜索等）三、数学优化方法（分支定界法、动态规划法、拉格朗日松弛法、内点法、奔得斯分解法等）

四、基于GAMS进行数学建模和优化分析的优势第二：GAMS安装和界面一、GAMS安装二、File功能三、Edit功能四、Search功能五、Windows功能六、Model Libraries模型库

七、Help功能第三：GAMS程序编写一、模型构成二、编程原则三、建立集合Set1.静态集合2.多重集合3.动态集合4.有序集合（SOS1、SOS2）四、录入参数Parameter1.一般标量2.索引参数3.表格参数4.数据导入（Excel表格数据）5.参数赋值五、设置变量Variable1.一般标量2.索引参数3.表格参数4.数据导入（Excel表格数据）5.参数赋值六、构建方程Equation1.方程定义2.方程关系符3.函数和运算表达4.标量方程5.索引方程6.条件方程（条件控制$）七、计算模型Model solve1.模型的分类和求解2.计算参数设置（Options）八、展示结果Display1.变量结果展示2.参数展示

九、一般算例演示第四：GAMS程序调试一、查看计算日志二、分析求解报告

三、程序调试方法第五：实际应用算例一、基于GAMS的优化实例分享二、常用表达式注意事项三、属性修改的其他方法

四、其他软件调用GAMS

原文：基于通用优化软件GAMS的数学建模和优化分析实践技术应用