第四章 数学规划模型 4.1 奶制品的生产与销售 4.2 自来水输送与货机装运 4.3 汽车生产与原油采购 4.4 接力队选拔和选课策略

Slides:



Advertisements
Similar presentations
一、 一阶线性微分方程及其解法 二、 一阶线性微分方程的简单应用 三、 小结及作业 §6.2 一阶线性微分方程.
Advertisements

第五节 函数的微分 一、微分的定义 二、微分的几何意义 三、基本初等函数的微分公式与微分运算 法则 四、微分形式不变性 五、微分在近似计算中的应用 六、小结.
2.8 函数的微分 1 微分的定义 2 微分的几何意义 3 微分公式与微分运算法则 4 微分在近似计算中的应用.
2.5 函数的微分 一、问题的提出 二、微分的定义 三、可微的条件 四、微分的几何意义 五、微分的求法 六、小结.
第二章 导数与微分. 二、 微分的几何意义 三、微分在近似计算中的应用 一、 微分的定义 2.3 微 分.
3.5 元 / 千克 2.6 元 / 千克 买 3 千克 要多少钱? = (元)
人教版五年级数学上册. 因数 因数 5555 积 75 结论:一个因数不变,另一个因数扩大 (或缩小) 10 倍、 100 倍、 1000 倍,积 也扩大(或缩小) 10 倍、 100 倍、 1000 倍。 仔细观察,看能得出什么结论?
练一练: 在数轴上画出表示下列各数的点, 并指出这些点相互间的关系: -6 , 6 , -3 , 3 , -1.5, 1.5.
北师大版四年级数学下册 天平游戏(二).
管理运筹学 -管理科学方法 谢家平 博士 教授 博士生导师 研究领域:管理科学、运营管理、供应链管理
成品成本计算 鞠传英.
22.3 实际问题与一元二次方程(1).
数学建模方法及其应用 韩中庚 编著.
第四章 数学规划模型.
第四章 数学规划模型 课程内容和目的: 了解数学规划模型的一般理论,介绍一些典型的规划模型,如生产计划安排问题、资源配置问题、运输问题、下料问题、指派问题、选址问题等。能通过分析建立一些实际问题的数学规划模型,会用各种工具软件熟练求解线性规划,非线性规划,整数规划等问题。 教学难点和重点: 重点掌握规划模型的三要素,建立规划模型的方法以及工具求解。难点是模型求解算法的理解和如何将实际问题逐步转换成规划问题。
第六章 数学规划方法建模 第六章 数学规划方法建模 6.1 线性规划模型 6.2 非线性规划模型 6.3 整数规划模型.
第四章 函数的积分学 第六节 微积分的基本公式 一、变上限定积分 二、微积分的基本公式.
定积分的换元法 和分部积分法 换元公式 分部积分公式 小结 1/24.
第四节 一阶线性微分方程 线性微分方程 伯努利方程 小结、作业 1/17.
§5 微分及其应用 一、微分的概念 实例:正方形金属薄片受热后面积的改变量..
2-7、函数的微分 教学要求 教学要点.
§5 微分及其应用 一、微分的概念 实例:正方形金属薄片受热后面积的改变量..
数学建模与创新 新疆大学数学与系统科学学院 吴黎军.
优化模型 教学目的: 初步认识优化模型的基本形式及掌握线性规划模型的建模及求解。 通过实例建模并求解,熟练掌握一些数学软件的使用。
第三章 多维随机变量及其分布 §2 边缘分布 边缘分布函数 边缘分布律 边缘概率密度.
线性规划应用案例一 配矿计划编制.
第 3 章 基本概念.
第3章 LP的对偶问题与灵敏度分析 §1 原问题与对偶问题 §2 对偶问题基本性质 §3 对偶单纯形法 §4 灵敏度分析.
對偶理論 「敏感度分析」,研究數學規劃問題中參數值(如各類係數)的改變對於最佳解以及目標函數值的影響。
优化模型与LINDO/LINGO优化软件
第一单元 初识C程序与C程序开发平台搭建 ---观其大略
运 筹 学 第八章 整 数 规 划.
数学规划模型.
计算机数学基础 主讲老师: 邓辉文.
Online job scheduling in Distributed Machine Learning Clusters
第四章 数学规划模型 4.1 奶制品的生产与销售 4.2 自来水输送与货机装运 4.3 汽车生产与原油采购 4.4 接力队选拔和选课策略
数据、模型与决策 汕头大学商学院 林佳丽.
GHANGDONG VOCATIONAL COLLEGE OF INDUSTRY&COMMERCE
有效的運用組織資源 Linear Programming (Goal Programming)
第4章 非线性规划 4.5 约束最优化方法 2019/4/6 山东大学 软件学院.
第一章 函数与极限.
第3章 LP的对偶问题与灵敏度分析 §1 原问题与对偶问题 §2 对偶问题基本性质 §3 对偶单纯形法 §4 灵敏度分析.
赵 彤 运筹学模型与软件实践 Models and Software Practice of the Operations Research 赵 彤
第四章 数学规划模型 4.1 奶制品的生产与销售 4.2 自来水输送与货机装运 4.3 汽车生产与原油采购 4.4 接力队选拔和选课策略
判別下列何者是 x 的多項式。以「○」表示是x的多項式,「×」表示不是 x的多項式 :
线性规划应用案例: 养鸡场的配料问题.
线性规 Linear Programming
概 率 统 计 主讲教师 叶宏 山东大学数学院.
線性規劃模式 Linear Programming Models
Transportation Problem
用计算器开方.
线性规划案例:上海红星建筑构配件厂生产计划的优化分析
成绩是怎么算出来的? 16级第一学期半期考试成绩 班级 姓名 语文 数学 英语 政治 历史 地理 物理 化学 生物 总分 1 张三1 115
第4章 Excel电子表格制作软件 4.4 函数(一).
用穷举法设计程序 南京师范大学 教育技术系 倪佳慧
§6.7 子空间的直和 一、直和的定义 二、直和的判定 三、多个子空间的直和.
3.1 变化率与导数   3.1.1 变化率问题 3.1.2 导数的概念.
概 率 统 计 主讲教师 叶宏 山东大学数学院.
第4课时 绝对值.
1.非线性规划模型 2.非线性规划的Matlab形式
Models and Software Practice of the Operations Research
建模常见问题MATLAB求解  .
第15讲 特征值与特征向量的性质 主要内容:特征值与特征向量的性质.
导 言 经济学的基本问题 经济学的基本研究方法 需求和供给.
滤波减速器的体积优化 仵凡 Advanced Design Group.
我们能够了解数学在现实生活中的用途非常广泛
线性规划 Linear Programming
《偏微分方程》第一章 绪论 第一章 绪论 1.1.
数学模型实验课(二) 最小二乘法与直线拟合.
数学试验 LINDO软件包.
Presentation transcript:

第四章 数学规划模型 4.1 奶制品的生产与销售 4.2 自来水输送与货机装运 4.3 汽车生产与原油采购 4.4 接力队选拔和选课策略 第四章 数学规划模型 4.1 奶制品的生产与销售 4.2 自来水输送与货机装运 4.3 汽车生产与原油采购 4.4 接力队选拔和选课策略 4.5 饮料厂的生产与检修 4.6 钢管和易拉罐下料 y

数学规划模型 实际问题中 的优化模型 gi(x)0~约束条件 x~决策变量 f(x)~目标函数 决策变量个数n和 约束条件个数m较大 线性规划 非线性规划 整数规划 多元函数条件极值 最优解在可行域 的边界上取得 重点在模型的建立和结果的分析

4.1 奶制品的生产与销售 企业生产计划 空间层次 工厂级:根据外部需求和内部设备、人力、原料等条件,以最大利润为目标制订产品生产计划; 4.1 奶制品的生产与销售 企业生产计划 空间层次 工厂级:根据外部需求和内部设备、人力、原料等条件,以最大利润为目标制订产品生产计划; 车间级:根据生产计划、工艺流程、资源约束及费用参数等,以最小成本为目标制订生产批量计划。 时间层次 若短时间内外部需求和内部资源等不随时间变化,可制订单阶段生产计划,否则应制订多阶段生产计划。 本节课题

例1 加工奶制品的生产计划 1桶牛奶 3公斤A1 12小时 8小时 4公斤A2 或 获利24元/公斤 获利16元/公斤 每天: 50桶牛奶 例1 加工奶制品的生产计划 1桶牛奶 3公斤A1 12小时 8小时 4公斤A2 或 获利24元/公斤 获利16元/公斤 每天: 50桶牛奶 时间480小时 至多加工100公斤A1 制订生产计划,使每天获利最大 35元可买到1桶牛奶,买吗?若买,每天最多买多少? 可聘用临时工人,付出的工资最多是每小时几元? A1的获利增加到 30元/公斤,应否改变生产计划?

1桶牛奶 3公斤A1 12小时 8小时 4公斤A2 或 获利24元/公斤 获利16元/公斤 50桶牛奶 每天 时间480小时 至多加工100公斤A1 决策变量 x1桶牛奶生产A1 x2桶牛奶生产A2 获利 24×3x1 获利 16×4 x2 目标函数 每天获利 线性规划模型(LP) 原料供应 劳动时间 约束条件 加工能力 非负约束

模型分析与假设 线性规划模型 xi对目标函数的“贡献”与xi取值成正比 比例性 xi对约束条件的“贡献”与xi取值成正比 A1,A2每公斤的获利是与各自产量无关的常数 比例性 xi对约束条件的“贡献”与xi取值成正比 每桶牛奶加工出A1,A2的数量和时间是与各自产量无关的常数 xi对目标函数的“贡献”与xj取值无关 A1,A2每公斤的获利是与相互产量无关的常数 可加性 xi对约束条件的“贡献”与xj取值无关 每桶牛奶加工出A1,A2的数量和时间是与相互产量无关的常数 连续性 xi取值连续 加工A1,A2的牛奶桶数是实数

模型求解 图解法 约束条件 目标函数 z=c (常数) ~等值线 在B(20,30)点得到最优解 最优解一定在凸多边形的某个顶点取得。 x1 A B C D 约束条件 l1 l2 l3 l4 l5 Z=3600 Z=2400 c Z=0 目标函数 z=c (常数) ~等值线 在B(20,30)点得到最优解 目标函数和约束条件是线性函数 最优解一定在凸多边形的某个顶点取得。 可行域为直线段围成的凸多边形 目标函数的等值线为直线

模型求解 软件实现 LINDO 6.1 20桶牛奶生产A1, 30桶生产A2,利润3360元。 max 72x1+64x2 st end OBJECTIVE FUNCTION VALUE 1) 3360.000 VARIABLE VALUE REDUCED COST X1 20.000000 0.000000 X2 30.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 48.000000 3) 0.000000 2.000000 4) 40.000000 0.000000 NO. ITERATIONS= 2 DO RANGE (SENSITIVITY) ANALYSIS? No 20桶牛奶生产A1, 30桶生产A2,利润3360元。

结果解释 “资源” 剩余为零的约束为紧约束(有效约束) max 72x1+64x2 st 2)x1+x2<50 OBJECTIVE FUNCTION VALUE 1) 3360.000 VARIABLE VALUE REDUCED COST X1 20.000000 0.000000 X2 30.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 48.000000 3) 0.000000 2.000000 4) 40.000000 0.000000 NO. ITERATIONS= 2 max 72x1+64x2 st 2)x1+x2<50 3)12x1+8x2<480 4)3x1<100 end 三种资源 原料无剩余 时间无剩余 加工能力剩余40 “资源” 剩余为零的约束为紧约束(有效约束)

最优解下“资源”增加1单位时“效益”的增量 OBJECTIVE FUNCTION VALUE 1) 3360.000 VARIABLE VALUE REDUCED COST X1 20.000000 0.000000 X2 30.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 48.000000 3) 0.000000 2.000000 4) 40.000000 0.000000 NO. ITERATIONS= 2 结果解释 最优解下“资源”增加1单位时“效益”的增量 影子价格 原料增加1单位, 利润增长48 时间增加1单位, 利润增长2 加工能力增长不影响利润 35 <48, 应该买! 35元可买到1桶牛奶,要买吗? 聘用临时工人付出的工资最多每小时几元? 2元!

不变! A1获利增加到 30元/千克,应否改变生产计划 Yes 最优解不变时目标函数系数允许变化范围 (约束条件不变) DO RANGE(SENSITIVITY) ANALYSIS? Yes 最优解不变时目标函数系数允许变化范围 RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 72.000000 24.000000 8.000000 X2 64.000000 8.000000 16.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 2 50.000000 10.000000 6.666667 3 480.000000 53.333332 80.000000 4 100.000000 INFINITY 40.000000 (约束条件不变) x1系数范围(64,96) x2系数范围(48,72) x1系数由24 3=72增加为303=90,在允许范围内 不变! A1获利增加到 30元/千克,应否改变生产计划

结果解释 最多买10桶! 35元可买到1桶牛奶,每天最多买多少? 影子价格有意义时约束右端的允许变化范围 (目标函数不变) 原料最多增加10 RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 72.000000 24.000000 8.000000 X2 64.000000 8.000000 16.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 2 50.000000 10.000000 6.666667 3 480.000000 53.333332 80.000000 4 100.000000 INFINITY 40.000000 原料最多增加10 时间最多增加53 最多买10桶! 35元可买到1桶牛奶,每天最多买多少?

例2 奶制品的生产销售计划 在例1基础上深加工 50桶牛奶, 480小时 至多100公斤A1 制订生产计划,使每天净利润最大 例2 奶制品的生产销售计划 在例1基础上深加工 1桶牛奶 3千克A1 12小时 8小时 4公斤A2 或 获利24元/公斤 获利16元/公斤 0.8千克B1 2小时,3元 1千克 获利44元/千克 0.75千克B2 2小时,3元 1千克 获利32元/千克 50桶牛奶, 480小时 至多100公斤A1 制订生产计划,使每天净利润最大 30元可增加1桶牛奶,3元可增加1小时时间,应否投资?现投资150元,可赚回多少? B1,B2的获利经常有10%的波动,对计划有无影响?

决策变量 目标函数 约束条件 1桶牛奶 3千克 A1 12小时 8小时 4千克 A2 或 获利24元/千克 获利16元/kg 0.8千克 B1 2小时,3元 1千克 获利44元/千克 0.75千克 B2 获利32元/千克 决策变量 出售x1 千克 A1, x2 千克 A2, X3千克 B1, x4千克 B2 x5千克 A1加工B1, x6千克 A2加工B2 目标函数 利润 原料供应 加工能力 约束条件 附加约束 劳动时间 非负约束

模型求解 软件实现 LINDO 6.1 DO RANGE (SENSITIVITY) ANALYSIS? No OBJECTIVE FUNCTION VALUE 1) 3460.800 VARIABLE VALUE REDUCED COST X1 0.000000 1.680000 X2 168.000000 0.000000 X3 19.200001 0.000000 X4 0.000000 0.000000 X5 24.000000 0.000000 X6 0.000000 1.520000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 3.160000 3) 0.000000 3.260000 4) 76.000000 0.000000 5) 0.000000 44.000000 6) 0.000000 32.000000 NO. ITERATIONS= 2 软件实现 LINDO 6.1 DO RANGE (SENSITIVITY) ANALYSIS? No

结果解释 每天销售168 千克A2和19.2 千克B1, 利润3460.8(元) 8桶牛奶加工成A1,42桶牛奶加工成A2, OBJECTIVE FUNCTION VALUE 1) 3460.800 VARIABLE VALUE REDUCED COST X1 0.000000 1.680000 X2 168.000000 0.000000 X3 19.200001 0.000000 X4 0.000000 0.000000 X5 24.000000 0.000000 X6 0.000000 1.520000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 3.160000 3) 0.000000 3.260000 4) 76.000000 0.000000 5) 0.000000 44.000000 6) 0.000000 32.000000 NO. ITERATIONS= 2 结果解释 每天销售168 千克A2和19.2 千克B1, 利润3460.8(元) 8桶牛奶加工成A1,42桶牛奶加工成A2, 将得到的24千克A1全部加工成B1 除加工能力外均为紧约束

结果解释 30元可增加1桶牛奶,3元可增加1小时时间,应否投资?现投资150元,可赚回多少? OBJECTIVE FUNCTION VALUE 1) 3460.800 VARIABLE VALUE REDUCED COST X1 0.000000 1.680000 X2 168.000000 0.000000 X3 19.200001 0.000000 X4 0.000000 0.000000 X5 24.000000 0.000000 X6 0.000000 1.520000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 3.160000 3) 0.000000 3.260000 4) 76.000000 0.000000 5) 0.000000 44.000000 6) 0.000000 32.000000 增加1桶牛奶使利润增长3.16×12=37.92 增加1小时时间使利润增长3.26 投资150元增加5桶牛奶,可赚回189.6元。(大于增加时间的利润增长)

生产计划应重新制订:如将x3的系数改为39.6计算,会发现结果有很大变化。 结果解释 B1,B2的获利有10%的波动,对计划有无影响 RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 24.000000 1.680000 INFINITY X2 16.000000 8.150000 2.100000 X3 44.000000 19.750002 3.166667 X4 32.000000 2.026667 INFINITY X5 -3.000000 15.800000 2.533334 X6 -3.000000 1.520000 INFINITY …… …… DO RANGE (SENSITIVITY) ANALYSIS? Yes B1获利下降10%,超出X3 系数允许范围 B2获利上升10%,超出X4 系数允许范围 波动对计划有影响 生产计划应重新制订:如将x3的系数改为39.6计算,会发现结果有很大变化。

4.2 自来水输送与货机装运 运输问题 生产、生活物资从若干供应点运送到一些需求点,怎样安排输送方案使运费最小,或利润最大; 4.2 自来水输送与货机装运 运输问题 生产、生活物资从若干供应点运送到一些需求点,怎样安排输送方案使运费最小,或利润最大; 各种类型的货物装箱,由于受体积、重量等限制,如何搭配装载,使获利最高,或装箱数量最少。

例1 自来水输送 收入:900元/千吨 支出 引水管理费 其他费用:450元/千吨 应如何分配水库供水量,公司才能获利最多? A:50 B:60 C:50 甲:30;50 乙:70;70 丙:10;20 丁:10;40 水库供水量(千吨) 小区基本用水量(千吨) 小区额外用水量(千吨) (以天计) 例1 自来水输送 收入:900元/千吨 元/千吨 甲 乙 丙 丁 A 160 130 220 170 B 140 190 150 C 200 230 / 支出 引水管理费 其他费用:450元/千吨 应如何分配水库供水量,公司才能获利最多? 若水库供水量都提高一倍,公司利润可增加到多少?

问题分析 总供水量:160 < 总需求量:120+180=300 收入:900元/千吨 总收入900160=144,000(元) A:50 B:60 C:50 甲:30;50 乙:70;70 丙:10;20 丁:10;40 问题分析 总供水量:160 < 总需求量:120+180=300 收入:900元/千吨 总收入900160=144,000(元) 支出 引水管理费 其他费用:450元/千吨 其他支出450160=72,000(元) 确定送水方案使利润最大 使引水管理费最小

模型建立 确定3个水库向4个小区的供水量 决策变量 水库i 向j 区的日供水量为 xij(x34=0) 目标函数 供应限制 线性规划模型(LP) 约束条件 需求限制

模型求解 引水管理费 24400(元) 利润=总收入-其它费用-引水管理费=144000-72000-24400 = 47600(元) OBJECTIVE FUNCTION VALUE 1) 24400.00 VARIABLE VALUE REDUCED COST X11 0.000000 30.000000 X12 50.000000 0.000000 X13 0.000000 50.000000 X14 0.000000 20.000000 X21 0.000000 10.000000 X22 50.000000 0.000000 X23 0.000000 20.000000 X24 10.000000 0.000000 X31 40.000000 0.000000 X32 0.000000 10.000000 X33 10.000000 0.000000 A(50) B(60) C(50) 甲(30;50) 乙(70;70) 丙(10;20) 丁(10;40) 50 40 10 引水管理费 24400(元) 利润=总收入-其它费用-引水管理费=144000-72000-24400 = 47600(元)

问题讨论 每个水库最大供水量都提高一倍 总供水量(320) > 总需求量(300) 确定送水方案使利润最大 利润 = 收入(900) –其它费用(450) –引水管理费 利润(元/千吨) 甲 乙 丙 丁 A 290 320 230 280 B 310 260 300 C 250 220 / 目标函数 供应限制 B, C 类似处理 需求约束可以不变

(Transportation Problem) 求解 OBJECTIVE FUNCTION VALUE 1) 88700.00 VARIABLE VALUE REDUCED COST X11 0.000000 20.000000 X12 100.000000 0.000000 X13 0.000000 40.000000 X14 0.000000 20.000000 X21 30.000000 0.000000 X22 40.000000 0.000000 X23 0.000000 10.000000 X24 50.000000 0.000000 X31 50.000000 0.000000 X32 0.000000 20.000000 X33 30.000000 0.000000 A(100) B(120) C(100) 甲(30;50) 乙(70;70) 丙(10;20) 丁(10;40) 40 100 50 30 总利润 88700(元) 这类问题一般称为“运输问题” (Transportation Problem)

例2 货机装运 前仓: 10;6800 中仓: 16;8700 后仓: 8;5300 飞机平衡 三个货舱中实际载重必须与其最大载重成比例 例2 货机装运 三个货舱最大载重(吨),最大容积(米3) 前仓: 10;6800 中仓: 16;8700 后仓: 8;5300 飞机平衡 三个货舱中实际载重必须与其最大载重成比例   重量(吨) 空间( 米3/吨) 利润(元/吨) 货物1 18 480 3100 货物2 15 650 3800 货物3 23 580 3500 货物4 12 390 2850 如何装运,使本次飞行获利最大?

模型假设 货机装运 模型建立 每种货物可以分割到任意小; 每种货物可以在一个或多个货舱中任意分布; 多种货物可以混装,并保证不留空隙; xij--第i 种货物装入第j 个货舱的重量(吨) i=1,2,3,4, j=1,2,3 (分别代表前、中、后仓) 决策变量

货机装运 模型建立 xij--第i 种货物装入第j 个货舱的重量 目标函数(利润) 货舱重量 约束条件 货舱容积 10;6800 16;8700 8;5300 约束条件 货舱容积

货机装运 模型建立 xij--第i 种货物装入第j 个货舱的重量 10;6800 16;8700 8;5300 平衡要求 约束条件 货物供应

货机装运 模型求解 货物2:前仓10,后仓5; 货物3: 中仓13, 后仓3;货物4: 中仓3。 最大利润约121516元 运输问题 OBJECTIVE FUNCTION VALUE 1) 121515.8 VARIABLE VALUE REDUCED COST X11 0.000000 400.000000 X12 0.000000 57.894737 X13 0.000000 400.000000 X21 10.000000 0.000000 X22 0.000000 239.473679 X23 5.000000 0.000000 X31 0.000000 0.000000 X32 12.947369 0.000000 X33 3.000000 0.000000 X41 0.000000 650.000000 X42 3.052632 0.000000 X43 0.000000 650.000000 货物2:前仓10,后仓5; 货物3: 中仓13, 后仓3;货物4: 中仓3。 最大利润约121516元 运输问题 货物~供应点 货舱~需求点 平衡要求 运输问题的扩展

4.3 汽车生产与原油采购 例1 汽车厂生产计划 汽车厂生产三种类型的汽车,已知各类型每辆车对钢材、劳动时间的需求,利润及工厂每月的现有量。 4.3 汽车生产与原油采购 例1 汽车厂生产计划 汽车厂生产三种类型的汽车,已知各类型每辆车对钢材、劳动时间的需求,利润及工厂每月的现有量。 小型 中型 大型 现有量 钢材(吨) 1.5 3 5 600 劳动时间(小时) 280 250 400 60000 利润(万元) 2 3 4 制订月生产计划,使工厂的利润最大。 如果生产某一类型汽车,则至少要生产80辆, 那么最优的生产计划应作何改变?

汽车厂生产计划 模型建立 设每月生产小、中、大型汽车的数量分别为x1, x2, x3 线性规划模型(LP) 小型 中型 大型 现有量 小型 中型 大型 现有量 钢材 1.5 3 5 600 时间 280 250 400 60000 利润 2 3 4 设每月生产小、中、大型汽车的数量分别为x1, x2, x3 线性规划模型(LP)

模型求解 结果为小数,怎么办? 1)舍去小数:取x1=64,x2=167,算出目标函数值z=629,与LP最优值632.2581相差不大。 OBJECTIVE FUNCTION VALUE 1) 632.2581 VARIABLE VALUE REDUCED COST X1 64.516129 0.000000 X2 167.741928 0.000000 X3 0.000000 0.946237 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.731183 3) 0.000000 0.003226 结果为小数,怎么办? 1)舍去小数:取x1=64,x2=167,算出目标函数值z=629,与LP最优值632.2581相差不大。 2)试探:如取x1=65,x2=167;x1=64,x2=168等,计算函数值z,通过比较可能得到更优的解。 但必须检验它们是否满足约束条件。为什么? 3) 模型中增加条件:x1, x2, x3 均为整数,重新求解。

整数规划(Integer Programming,简记IP) 模型求解 整数规划(Integer Programming,简记IP) IP可用LINDO直接求解 max 2x1+3x2+4x3 st 1.5x1+3x2+5x3<600 280x1+250x2+400x3<60000 end gin 3 IP 结果输出 OBJECTIVE FUNCTION VALUE 1) 632.0000 VARIABLE VALUE REDUCED COST X1 64.000000 -2.000000 X2 168.000000 -3.000000 X3 0.000000 -4.000000 “gin 3”表示“前3个变量为整数”,等价于: gin x1 gin x2 gin x3 IP 的最优解x1=64,x2=168,x3=0,最优值z=632

汽车厂生产计划    若生产某类汽车,则至少生产80辆,求生产计划。 x1,x2,, x3=0 或 80 方法1:分解为8个LP子模型 其中3个子模型应去掉,然后逐一求解,比较目标函数值,再加上整数约束,得最优解:   x1=80,x2= 150,x3=0,最优值z=610

若生产某类汽车,则至少生产80辆,求生产计划。 方法2:引入0-1变量,化为整数规划 x1=0 或 80 M为大的正数,可取1000 x2=0 或 80 x3=0 或 80 OBJECTIVE FUNCTION VALUE 1) 610.0000 VARIABLE VALUE REDUCED COST X1 80.000000 -2.000000 X2 150.000000 -3.000000 X3 0.000000 -4.000000 Y1 1.000000 0.000000 Y2 1.000000 0.000000 Y3 0.000000 0.000000 LINDO中对0-1变量的限定: int y1 int y2 int y3 最优解同前

若生产某类汽车,则至少生产80辆,求生产计划。 方法3:化为非线性规划 x1=0 或 80 x2=0 或 80 x3=0 或 80 非线性规划(Non- Linear Programming,简记NLP) NLP虽然可用现成的数学软件求解(如LINGO, MATLAB),但是其结果常依赖于初值的选择。 实践表明,本例仅当初值非常接近上面方法算出的最优解时,才能得到正确的结果。

例2 原油采购与加工 汽油甲(A50%) 原油A 原油B 汽油乙 (A60%) 售价4800元/吨 售价5600元/吨 库存500吨 例2 原油采购与加工 汽油甲(A50%) 原油A 原油B 汽油乙 (A60%) 售价4800元/吨 售价5600元/吨 库存500吨 库存1000吨 市场上可买到不超过1500吨的原油A: 购买量不超过500吨时的单价为10000元/吨; 购买量超过500吨但不超过1000吨时,超过500吨的 部分8000元/吨; 购买量超过1000吨时,超过1000吨的部分6000元/吨。 应如何安排原油的采购和加工 ?

问题分析 决策变量 目标函数 利润:销售汽油的收入 - 购买原油A的支出 难点:原油A的购价与购买量的关系较复杂 原油A的购买量,原油A, B生产汽油甲,乙的数量 甲(A50%) A B 乙(A60%) 购买x x11 x12 x21 x22 4.8千元/吨 5.6千元/吨 目标函数 利润(千元) c(x) ~ 购买原油A的支出 c(x)如何表述?

目标函数 约束条件 x 500吨单价为10千元/吨; 500吨 x 1000吨,超过500吨的8千元/吨; 原油供应 购买x A B x11 x12 x21 x22 库存500吨 库存1000吨

约束条件 汽油含原油A的比例限制 目标函数中c(x)不是线性函数,是非线性规划; B 乙(A60%) x11 x12 x21 x22 目标函数中c(x)不是线性函数,是非线性规划; 对于用分段函数定义的c(x),一般的非线性规划软件也难以输入和求解; 想办法将模型化简,用现成的软件求解。

模型求解 方法1 x1 , x2 , x3 ~以价格10, 8, 6(千元/吨)采购A的吨数 x= x1+x2+x3, c(x) = 10x1+8x2+6x3 x= x1+x2+x3, c(x) = 10x1+8x2+6x3 目标函数 500吨 x 1000吨,超过500吨的8千元/吨 增加约束 只有当以10千元/吨的价格购买x1=500(吨)时,才能以8千元/吨的价格购买x2 非线性规划模型,可以用LINGO求解

方法1:LINGO求解 用库存的500吨原油A、500吨原油B生产汽油甲,不购买新的原油A,利润为4,800千元。 Model: Max= 4.8*x11 + 4.8*x21 + 5.6*x12 + 5.6*x22 - 10*x1 - 8*x2 - 6*x3; x11+x12 < x + 500; x21+x22 < 1000; x11 - x21 > 0; 2*x12 - 3*x22 > 0; x=x1+x2+x3; (x1 - 500) * x2=0; (x2 - 500) * x3=0; x1 < 500; x2 < 500; x3 < 500; x > 0; x11 > 0; x12 > 0; x21 > 0; x22 > 0; x1 > 0; x2 > 0; x3 > 0; end Objective value: 4800.000 Variable Value Reduced Cost X11 500.0000 0.0000000E+00 X21 500.0000 0.0000000E+00 X12 0.0000000E+00 0.0000000E+00 X22 0.0000000E+00 0.0000000E+00 X1 0.1021405E-13 10.00000 X2 0.0000000E+00 8.000000 X3 0.0000000E+00 6.000000 X 0.0000000E+00 0.0000000E+00 用库存的500吨原油A、500吨原油B生产汽油甲,不购买新的原油A,利润为4,800千元。 LINGO得到的是局部最优解,还能得到更好的解吗?

方法2 x1 , x2 , x3 ~以价格10, 8, 6(千元/吨)采购A的吨数 y1, y2 , y3=1 ~以价格10, 8, 6(千元/吨)采购A x1 , x2 , x3 ~以价格10, 8, 6(千元/吨)采购A的吨数 增加约束 y=0  x=0 x>0  y=1 y1,y2,y3 =0或1 OBJECTIVE FUNCTION VALUE 1) 5000.000 VARIABLE VALUE REDUCED COST Y1 1.000000 0.000000 Y2 1.000000 2200.000000 Y3 1.000000 1200.000000 X11 0.000000 0.800000 X21 0.000000 0.800000 X12 1500.000000 0.000000 X22 1000.000000 0.000000 X1 500.000000 0.000000 X2 500.000000 0.000000 X3 0.000000 0.400000 X 1000.000000 0.000000 0-1线性规划模型,可用LINDO求解 购买1000吨原油A,与库存的500吨原油A和1000吨原油B一起,生产汽油乙,利润为5,000千元 。 优于方法1的结果

方法3 直接处理处理分段线性函数c(x) b1 xb2,x= z1b1+z2b2, z1+z2=1,z1, z20, 12000 9000 5000 500 1000 1500 b1 xb2,x= z1b1+z2b2, z1+z2=1,z1, z20, c(x)= z1c(b1)+z2c(b2). b1 b2 b3 b4 b2  x b3,x= z2b2+z3b3, z2+z3=1,z2, z3  0, c(x)= z2c(b2)+z3c(b3). b3  x b4,x= z3b3+z4b4, z3+z4=1,z3, z4  0, c(x)= z3c(b3)+z4c(b4).

bkxbk+1 ,x= zkbk+z k+1 bk+1 zk+zk+1 =1,zk, zk+1 0, c(x) x 12000 9000 5000 500 1000 1500 b1 b2 b3 b4 方法3 对于k=1,2,3 bkxbk+1 ,x= zkbk+z k+1 bk+1 zk+zk+1 =1,zk, zk+1 0, c(x)= zkc(bk)+zk+1 c(bk+1 ). bkxbk+1yk=1,否则,yk=0 IP模型,LINDO求解,得到的结果与方法2相同. 处理分段线性函数,方法3更具一般性

4.4 接力队选拔和选课策略 分派问题 若干项任务分给一些候选人来完成,每人的专长不同,完成每项任务取得的效益或需要的资源就不同,如何分派任务使获得的总效益最大,或付出的总资源最少。 若干种策略供选择,不同的策略得到的收益或付出的成本不同,各个策略之间有相互制约关系,如何在满足一定条件下作出决择,使得收益最大或成本最小。

例1 混合泳接力队的选拔 5名候选人的百米成绩 如何选拔队员组成4100米混合泳接力队? 例1 混合泳接力队的选拔 5名候选人的百米成绩   甲 乙 丙 丁 戊 蝶泳 1’06”8 57”2 1’18” 1’10” 1’07”4 仰泳 1’15”6 1’06” 1’07”8 1’14”2 1’11” 蛙泳 1’27” 1’06”4 1’24”6 1’09”6 1’23”8 自由泳 58”6 53” 59”4 1’02”4 如何选拔队员组成4100米混合泳接力队? 丁的蛙泳成绩退步到1’15”2;戊的自由泳成绩进步到57”5, 组成接力队的方案是否应该调整? 穷举法:组成接力队的方案共有5!=120种。

0-1规划模型 cij(秒)~队员i 第j 种泳姿的百米成绩 若选择队员i参加泳姿j 的比赛,记xij=1, 否则记xij=0 目标函数 66.8 57.2 78 70 67.4 j=2 75.6 66 67.8 74.2 71 j=3 87 66.4 84.6 69.6 83.8 j=4 58.6 53 59.4 62.4 若选择队员i参加泳姿j 的比赛,记xij=1, 否则记xij=0 目标函数 每人最多入选泳姿之一 每种泳姿有且只有1人 约束条件

模型求解 输入LINDO求解 最优解:x14 = x21 = x32 = x43 = 1, 其它变量为0; 成绩为253.2(秒)=4’13”2 MIN 66.8x11+75.6x12+87x13+58.6x14 +… … +67.4x51+71 x52+83.8x53+62.4x54 SUBJECT TO x11+x12+x13+x14 <=1 … … x41+x42+x43+x44 <=1 x11+x21+x31+x41+x51 =1 x14+x24+x34+x44+x54 =1 END INT 20 甲~ 自由泳、乙~ 蝶泳、丙~ 仰泳、丁~ 蛙泳.   甲 乙 丙 丁 戊 蝶泳 1’06”8 57”2 1’18” 1’10” 1’07”4 仰泳 1’15”6 1’06” 1’07”8 1’14”2 1’11” 蛙泳 1’27” 1’06”4 1’24”6 1’09”6 1’23”8 自由泳 58”6 53” 59”4 1’02”4

讨论 丁蛙泳c43 =69.675.2,戊自由泳c54=62.4  57.5, 方案是否调整? 敏感性分析? IP规划一般没有与LP规划相类似的理论,LINDO输出的敏感性分析结果通常是没有意义的。 c43, c54 的新数据重新输入模型,用LINDO求解 最优解:x21 = x32 = x43 = x51 = 1, 成绩为4’17”7 乙~ 蝶泳、丙~ 仰泳、丁~ 蛙泳、戊~ 自由泳 甲~ 自由泳、乙~ 蝶泳、丙~ 仰泳、丁~ 蛙泳. 原方案 指派(Assignment)问题:每项任务有且只有一人承担,每人只能承担一项,效益不同,怎样分派使总效益最大.

例2 选课策略 要求至少选两门数学课、三门运筹学课和两门计算机课 为了选修课程门数最少,应学习哪些课程 ? 例2 选课策略 课号 课名 学分 所属类别 先修课要求 1 微积分 5 数学   2 线性代数 4 3 最优化方法 数学;运筹学 微积分;线性代数 数据结构 数学;计算机 计算机编程 应用统计 6 计算机模拟 计算机;运筹学 7 计算机 8 预测理论 运筹学 9 数学实验 运筹学;计算机 要求至少选两门数学课、三门运筹学课和两门计算机课 为了选修课程门数最少,应学习哪些课程 ? 选修课程最少,且学分尽量多,应学习哪些课程 ?

0-1规划模型 决策变量 xi=1 ~选修课号i 的课程(xi=0 ~不选) 目标函数 选修课程总数最少 最少2门数学课,3门运筹学课, 课名 所属类别 1 微积分 数学 2 线性代数 3 最优化方法 数学;运筹学 4 数据结构 数学;计算机 5 应用统计 6 计算机模拟 计算机;运筹学 7 计算机编程 计算机 8 预测理论 运筹学 9 数学实验 运筹学;计算机 xi=1 ~选修课号i 的课程(xi=0 ~不选) 目标函数 选修课程总数最少 最少2门数学课,3门运筹学课, 2门计算机课。 约束条件

0-1规划模型 约束条件 先修课程要求 x3=1必有x1 = x2 =1 模型求解(LINDO) 课号 课名 先修课要求 1 微积分   2 线性代数 3 最优化方法 微积分;线性代数 4 数据结构 计算机编程 5 应用统计 6 计算机模拟 7 8 预测理论 9 数学实验 先修课程要求       x3=1必有x1 = x2 =1 模型求解(LINDO) 最优解: x1 = x2 = x3 = x6 = x7 = x9 =1, 其它为0;6门课程,总学分21

讨论:选修课程最少,学分尽量多,应学习哪些课程? 学分最多 两目标(多目标)规划 多目标优化的处理方法:化成单目标优化。 以课程最少为目标,不管学分多少。 最优解如上,6门课程,总学分21 。 以学分最多为目标,不管课程多少。 最优解显然是选修所有9门课程 。

多目标规划 增加约束 , 以学分最多为目标求解。 在课程最少的前提下以学分最多为目标。 增加约束 , 以学分最多为目标求解。 在课程最少的前提下以学分最多为目标。 课号 课名 学分 1 微积分 5 2 线性代数 4 3 最优化方法 数据结构 应用统计 6 计算机模拟 7 计算机编程 8 预测理论 9 数学实验       最优解: x1 = x2 = x3 = x5 = x7 = x9 =1, 其它为0;总学分由21增至22。     注意:最优解不唯一! 可将x9 =1 易为x6 =1 LINDO无法告诉优化问题的解是否唯一。

多目标规划 对学分数和课程数加权形成一个目标,如三七开。 课号 课名 学分 1 微积分 5 2 线性代数 4 3 最优化方法 数据结构 应用统计 6 计算机模拟 7 计算机编程 8 预测理论 9 数学实验     最优解: x1 = x2 = x3 = x4 = x5 = x6 = x7 = x9 =1, 其它为0;总学分28。

多目标规划 讨论与思考 最优解与1=0,2=1的结果相同——学分最多 最优解与1=1,2=0的结果相同——课程最少

4.5 饮料厂的生产与检修 企业生产计划 单阶段生产计划 外部需求和内部资源随时间变化 多阶段生产计划 生产批量问题 4.5 饮料厂的生产与检修 企业生产计划 单阶段生产计划 外部需求和内部资源随时间变化 多阶段生产计划 生产批量问题 考虑与产量无关的固定费用 给优化模型求解带来新的困难

例1 饮料厂的生产与检修计划 某种饮料4周的需求量、生产能力和成本 存贮费:每周每千箱饮料 0.2千元。 周次 需求量(千箱) 生产能力(千箱) 成本(千元/千箱) 1 15 30 5.0 2 25 40 5.1 3 35 45 5.4 4 20 5.5 合计 100 135   存贮费:每周每千箱饮料 0.2千元。 安排生产计划, 满足每周的需求, 使4周总费用最小。 在4周内安排一次设备检修,占用当周15千箱生产能力,能使检修后每周增产5千箱,检修应排在哪一周?

问题分析 模型假设 除第4周外每周的生产能力超过每周的需求; 生产成本逐周上升; 前几周应多生产一些。 饮料厂在第1周开始时没有库存; 周次 需求 能力 1 15 30 2 25 40 3 35 45 4 20 合计 100 135 成本 5.0 5.1 5.4 5.5   模型假设 饮料厂在第1周开始时没有库存; 从费用最小考虑, 第4周末不能有库存; 周末有库存时需支出一周的存贮费; 每周末的库存量等于下周初的库存量。

模型建立 决策变量 目标函数 约束条件 周次 需求 能力 1 15 30 2 25 40 3 35 45 4 20 成本 5.0 5.1 5.4 5.5 x1~ x4:第1~4周的生产量 y1~ y3:第1~3周末库存量 存贮费:0.2 (千元/周•千箱) 目标函数 产量、库存与需求平衡 能力限制 约束条件 非负限制

模型求解 LINDO求解 最优解: x1~ x4:15,40,25,20; y1~ y3: 0,15,5 . 周次 需求 能力 1 15 30 2 25 40 3 35 45 4 20 成本 5.0 5.1 5.4 5.5 产量 库存 5 4周生产计划的总费用为528 (千元)

检修计划 约束条件 能力限制 在4周内安排一次设备检修,占用当周15千箱生产能力,能使检修后每周增产5千箱,检修应排在哪一周? 周次 需求 30 2 25 40 3 35 45 4 20 成本 5.0 5.1 5.4 5.5 检修安排在任一周均可 0-1变量wt :wt=1~ 检修安排在第t周(t=1,2,3,4) 约束条件 能力限制 产量、库存与需求平衡条件不变

检修计划 目标函数不变 0-1变量wt :wt=1~ 检修安排在第t周(t=1,2,3,4) 增加约束条件:检修1次 LINDO求解 最优解: w1=1, w2 , w3, w4=0; x1~ x4:15,45,15,25; y1~ y3:0,20,0 . 总费用由528千元降为527千元 检修所导致的生产能力提高的作用, 需要更长的时间才能得到充分体现。

例2 饮料的生产批量问题 饮料厂使用同一条生产线轮流生产多种饮料。 若某周开工生产某种饮料, 需支出生产准备费8千元。 例2 饮料的生产批量问题 饮料厂使用同一条生产线轮流生产多种饮料。 若某周开工生产某种饮料, 需支出生产准备费8千元。 某种饮料4周的需求量、生产能力和成本 周次 需求量(千箱) 生产能力(千箱) 成本(千元/千箱) 1 15 30 5.0 2 25 40 5.1 3 35 45 5.4 4 20 5.5 合计 100 135   存贮费:每周每千箱饮料 0.2千元。 安排生产计划, 满足每周的需求, 使4周总费用最小。

生产批量问题的一般提法 ct ~时段t 生产费用(元/件); 假设初始库存为0 ht ~时段t (末)库存费(元/件); st ~时段t 生产准备费(元); dt ~时段t 市场需求(件); Mt ~时段t 生产能力(件)。 假设初始库存为0 制订生产计划, 满足需求,并使T个时段的总费用最小。 决策变量 目标 xt ~时段t 生产量; yt ~时段t (末)库存量; wt =1 ~时段t 开工生产 (wt =0 ~不开工)。 约束

生产批量问题的一般提法 混合0-1规划模型 将所给参数代入模型,用LINDO求解 最优解:x1~ x4:15,40,45,0;总费用:554.0(千元)

§6 钢管和易拉罐下料 原料下料问题 生产中通过切割、剪裁、冲压等手段,将原材料加工成所需大小 §6 钢管和易拉罐下料 原料下料问题 生产中通过切割、剪裁、冲压等手段,将原材料加工成所需大小 按照工艺要求,确定下料方案,使所用材料最省,或利润最大

例1 钢管下料 原料钢管:每根19米 客户需求 4米50根 6米20根 8米15根 问题1. 如何下料最节省 ? 节省的标准是什么? 问题1. 如何下料最节省 ? 节省的标准是什么? 问题2. 客户增加需求: 5米10根 由于采用不同切割模式太多,会增加生产和管理成本,规定切割模式不能超过3种。如何下料最节省?

钢管下料 切割模式 按照客户需要在一根原料钢管上安排切割的一种组合。 余料1米 4米1根 6米1根 8米1根 余料3米 4米1根 6米1根 合理切割模式的余料应小于客户需要钢管的最小尺寸

为满足客户需要,按照哪些种合理模式,每种模式切割多少根原料钢管,最为节省? 钢管下料问题1 合理切割模式 模式  4米钢管根数 6米钢管根数 8米钢管根数 余料(米) 1 4 3 2 5 6 7 为满足客户需要,按照哪些种合理模式,每种模式切割多少根原料钢管,最为节省? 两种标准 1. 原料钢管剩余总余量最小 2. 所用原料钢管总根数最少

xi ~按第i 种模式切割的原料钢管根数(i=1,2,…7) 决策变量 xi ~按第i 种模式切割的原料钢管根数(i=1,2,…7) 目标1(总余量) 模 式 4米 根数 6米 8米 余 料 1 4 3 2 5 6 7 需 求 50 20 15 约束 满足需求 整数约束: xi 为整数 最优解:x2=12, x5=15, 其余为0; 最优值:27。 按模式2切割12根,按模式5切割15根,余料27米

钢管下料问题1 目标2(总根数) 约束条件不变 xi 为整数 最优解:x2=15, x5=5, x7=5, 其余为0; 最优值:25。 按模式2切割15根,按模式5切割5根,按模式7切割5根,共25根,余料35米 与目标1的结果“共切割27根,余料27米” 相比 虽余料增加8米,但减少了2根 当余料没有用处时,通常以总根数最少为目标

钢管下料问题2 增加一种需求:5米10根;切割模式不超过3种。 现有4种需求:4米50根,5米10根,6米20根,8米15根,用枚举法确定合理切割模式,过于复杂。 对大规模问题,用模型的约束条件界定合理模式 决策变量 xi ~按第i 种模式切割的原料钢管根数(i=1,2,3) r1i, r2i, r3i, r4i ~ 第i 种切割模式下,每根原料钢管生产4米、5米、6米和8米长的钢管的数量

钢管下料问题2 目标函数(总根数) 模式合理:每根余料不超过3米 约束条件 满足需求 整数约束: xi ,r1i, r2i, r3i, r4i (i=1,2,3)为整数 整数非线性规划模型

钢管下料问题2 增加约束,缩小可行域,便于求解 需求:4米50根,5米10根,6米20根,8米15根 每根原料钢管长19米 原料钢管总根数下界: 特殊生产计划:对每根原料钢管 模式1:切割成4根4米钢管,需13根; 模式2:切割成1根5米和2根6米钢管,需10根; 模式3:切割成2根8米钢管,需8根。 原料钢管总根数上界:13+10+8=31 模式排列顺序可任定

模式1:每根原料钢管切割成3根4米和1根6米钢管,共10根; 模式2:每根原料钢管切割成2根4米、1根5米和1根6米钢管,共10根; LINGO求解整数非线性规划模型 Local optimal solution found at iteration: 12211 Objective value: 28.00000 Variable Value Reduced Cost X1 10.00000 0.000000 X2 10.00000 2.000000 X3 8.000000 1.000000 R11 3.000000 0.000000 R12 2.000000 0.000000 R13 0.000000 0.000000 R21 0.000000 0.000000 R22 1.000000 0.000000 R23 0.000000 0.000000 R31 1.000000 0.000000 R32 1.000000 0.000000 R33 0.000000 0.000000 R41 0.000000 0.000000 R42 0.000000 0.000000 R43 2.000000 0.000000 模式1:每根原料钢管切割成3根4米和1根6米钢管,共10根; 模式2:每根原料钢管切割成2根4米、1根5米和1根6米钢管,共10根; 模式3:每根原料钢管切割成2根8米钢管,共8根。 原料钢管总根数为28根。

例2 易拉罐下料 板材规格1: 正方形,边长24cm,5万张。 板材规格2: 长方形, 罐身高10cm,上盖、下底直径均5cm。 模式1:1.5秒 模式2:2秒 模式3:1秒 板材规格1: 正方形,边长24cm,5万张。 板材规格2: 长方形, 3228cm, 2万张。 模式4:3秒 上盖 下底 罐 身 罐身高10cm,上盖、下底直径均5cm。 每周工作40小时,每只易拉罐利润0.10元,原料余料损失0.001元 / cm2(不能装配的罐身、盖、底也是余料) 如何安排每周生产?

问题分析 计算各种模式下的余料损失 模式1: 上、下底直径d=5cm,罐身高h=10cm。 正方形 边长24cm 模式1 余料损失 242-10d2/4 - dh=222.6 cm2   罐身个数 底、盖 个数 余料损失 (cm2) 冲压时间(秒) 模式1 1 10 222.6 1.5 模式2 2 4 183.3 模式3 16 261.8 模式4 5 169.5 3

问题分析 模型建立 目标:易拉罐利润扣除原料余料损失后的净利润最大 注意:不能装配的罐身、上下底也是余料 约束:每周工作时间不超过40小时; 原料数量:规格1(模式1 ~3)5万张, 规格2(模式4)2万张; 罐身和底、盖的配套组装 。 模型建立 xi ~ 按照第i 种模式的生产张数(i=1,2,3,4); y1 ~ 一周生产的易拉罐个数; y2 ~ 不配套的罐身个数; y3 ~ 不配套的底、盖个数。 决策变量

模型建立 y1 ~ 易拉罐个数;y2 ~ 不配套的罐身; y3 ~ 不配套的底、盖。 每只易拉罐利润0.10元,余料损失0.001元 / cm2 产量 余料 时间 x1 222.6 1.5 x2 183.3 2 x3 261.8 1 x4 169.5 3 罐身面积dh=157.1 cm2 底盖面积d2/4=19.6 cm2 目标 时间约束 (40小时) 约束条件 原料约束

虽然xi和y1,y2,y3应是整数,但是因生产量很大,可以把它们看成实数,从而用线性规划模型处理 。 约束条件 y1 ~ 易拉罐个数;y2 ~ 不配套的罐身; y3 ~ 不配套的底、盖。 罐身 底、盖 1 10 2 4 16 5 产量 x1 x2 x3 x4 配套约束 虽然xi和y1,y2,y3应是整数,但是因生产量很大,可以把它们看成实数,从而用线性规划模型处理 。

模型求解 LINDO发出警告信息:“数据之间的数量级差别太大,建议进行预处理,缩小数据之间的差别” 将所有决策变量扩大10000倍(xi ~万张,yi ~万件) OBJECTIVE FUNCTION VALUE 1) 0.4298337 VARIABLE VALUE REDUCED COST Y1 16.025000 0.000000 X1 0.000000 0.000050 X2 4.012500 0.000000 X3 0.375000 0.000000 X4 2.000000 0.000000 Y2 0.000000 0.223331 Y3 0.000000 0.036484 模式2生产40125张, 模式3生产3750张, 模式4生产20000张, 共产易拉罐160250个 (罐身和底、盖无剩余), 净利润为4298元

下料问题的建模 确定下料模式 构造优化模型 一维问题(如钢管下料) 规格不太多,可枚举下料模式,建立整数线性规划模型,否则要构造整数非线性规划模型,求解困难,可用缩小可行域的方法进行化简,但要保证最优解的存在。 二维问题(如易拉罐下料) 具体问题具体分析(比较复杂 )