序
好久没有在博客发文章了，主要是文笔不好，发出来怕人耻笑，但是又因为希望能够跟别人有更多的交流，自然也希望能够在这方面写出一点自己的见解，让同行、朋友、同事了解自己，以便在未来能够有很好的切磋。正好碰到这么一个机会，认识了天善的梁总和高总，受到他们的鼓励，于是就有了水到渠成的开始。
由于本人从事数据方面的工作，因而对于数据、算法、编程有一定的了解，所以想从这方面入手来慢慢展开。
先发一个SAS系列的文章吧，近来对SAS优化问题比较感兴趣，也对这方面有一定的涉猎，所以打算从SAS/OR开始，借OPTMODEL这一过程步来逐步介绍各类优化问题吧。
正文
（1） SAS简介
SAS里面模块众多，包括了BASE、STAT、OR、ETS、IML等各类模块，如果你专攻数据清洗，那么只需要BASE模块就足以，如果要往建模方向发展，则需进一步考虑STAT和ETS模块了，这两个模块包含了各类常见模型过程步：线性回归（reg）、逻辑回归（logistic）、时间序列（arima）、聚类（cluster）等，基本上能够满足你的需求，IML也许你也会用到，假如你需要使用矩阵语言来进行计算的话，例如矩阵的数值计算。而OR模块则受众面似乎比较窄，至少我工作以来似乎没有碰到过需要用到OR模块的地方，当然跟我工作性质有关，本人主要从事数据处理、数据建模分析挖掘方面的工作，SAS/OR则主要用来探索分销网络、生产系统、资源分配和调度问题的研究，希望未来有机会在工作中用到OR吧。总之你能做的，想做的，在SAS各类模块里应有尽有，前些天参加SAS中国论坛大会，看到众多SAS公司的牛人在上面分享SAS的各类知识，收获颇多，当天讲座现场全场爆满，SAS产品应用也陈列大厅，各种大数据与SAS结合的成果展示，绝对亮瞎你的眼。所以，赶紧一起来学SAS吧，SAS资料不用担心，我会为大家奉上学习资料，保证让大家满意而归。
（2）SAS之OPTMODEL简介
前面已经介绍了OR主要涉及的领域，接下来我想借助OR模块中的OPTMODEL过程步来介绍一下SAS在运筹学方面的一些知识。
SAS中的OPTMODEL过程主要用于解决数学中的各类约束规划问题，主要包括以下几个内容：
1. Constraint logic programming(CLP)约束逻辑规划
2. Linear programming(LP)线性规划
3. Mixed integer linearprogramming(MILP)混合整数线性规划
4. Network algorithms(Network)网络算法
5. General nonlinear programming(NLP)一般非线性规划
6. Quadratic programming(QP)二次规划
接下来我将借助OPTMODEL过程对上述每一个主题做一个简单的介绍，由于篇幅所限，我会分为6篇小文来分享，由于个人学术水平有限，在对各类概念的介绍时，将会简略的介绍一下相关概念，至于更深一步的学术方面的知识，大家可以一起探讨和交流。
首先对OPTMODEL过程的语法简单介绍一下。
这一过程主要分为三个部分：Proc语句；Declaration语句；Programming语句。
Proc语句：
PROC OPTMODEL;
这部分语句主要用于调用OPTMODEL过程步，同时初始化模型参数和模型优化方式,以及控制结果的输出形式。
Declaration语句：
MAX and MIN ObjectiveDeclarations;
NUMBER, STRING, and SETParameter Declarations;
主要用于定义参数，变量，约束条件以及目标函数。
Programming语句：
…………
主要用于执行数据处理，例如读取数据集、产生随机数、对变量赋值、输出数据等。
那么接下来我将借助于OPTMODEL过程来详细的解释上述5个主题，同时解释所涉及到OPTMODEL过程中的各类选项。
1. Constraint logic programming(CLP)约束逻辑规划
约束条件：通常是指一个包含若干变量的关系表达式，用以表示这些变量必须满足的问题，表达式可以是线性、非线性、或者是逻辑表达式。
规划目标：基于一个函数主体即objectfuction在满足约束条件的前提下对object fuction求可行解，我们称object fuction为目标函数，目标函数可以是非线性的、线性的、或者其他逻辑函数等。
约束逻辑规划的一般形式如下所示：
接下来我以”send more money字谜问题”来对函数进行规划求解：
约束条件：
字母D、E、M、N、O、R、S、Y满足
S E N D + M O R E = M O N E Y 每一分位上的字母代表一个数字
S和M不等于0
每个字母都满足唯一性
目标函数：求满足条件的这8个字母所对应的数字
SAS代码如下所示：
proc optmodel;
/* 申明变量并设定为整数 */
var S integer, E integer, N integer,
D integer, M integer, O integer,
R integer, Y integer;
/* 对所有变量设定上下限区间 */
for {j in 1.._NVAR_}do;
_VAR_[j].lb = 0;
_VAR_[j].ub = 9;
end;
/* 设定约束等式 con是constraint的简写 */
con Arithmetic: 1000*S + 100*E + 10*N +D
+ 1000*M + 100*O + 10*R +E
= 10000*M + 1000*O + 100*N + 10*E +Y;
/* 设定约束条件S、M不等于0 */
con S ne 0;
con M ne 0;
/* 设定唯一性 */
con alldiff(S E N DM O R Y);
solve; /* 运行程序进行求解 */
print S E N D M O RY;
quit;
运行程序之后，我们可以得到如下结果：
运行时间在log中如下所示：
NOTE: “PROCEDURE OPTMODEL”所用时间（总处理时间）:
实际时间 1.16 秒
CPU 时间 0.84 秒
对上述结果进行验证，满足题目条件，且代码简单，运行效率相对采用data步(可以自行尝试一下)来做要高效很多。
对于约束逻辑规划，这方面可做的工作还有很多，后面如果有机会我会单独详细的介绍一下SAS中有关CLP的详细资料，绝对会很有意思。
