用Python实现运筹学——Day 14: 线性规划总结与案例复习

一、学习内容

在本节中,我们将复习之前所学的线性规划模型与求解方法,并通过一个综合案例将这些知识应用于求解一个多阶段的生产计划问题。

主要复习内容包括:

  1. 线性规划的基础概念:目标函数、约束条件、决策变量。
  2. 求解方法:单纯形法、内点法。
  3. 高级应用:多目标优化、对偶理论、灵敏度分析等。

二、实战案例:多阶段生产计划问题

2.1 问题描述:

某工厂需要制定一个为期三个月的生产计划,生产两种产品 P_1​ 和 P_2​。已知每个月的需求量如下:

月份产品 P_1​ 需求量产品 P_2​ 需求量
1月4050
2月6070
3月3040

生产这两种产品的每月单位生产成本和储存成本如下:

产品每单位生产成本(元)每单位储存成本(元)
P_1202
P_2303

目标是在满足每个月需求的前提下,最小化总生产成本和储存成本。生产和储存的条件如下:

  • 每月初开始时工厂没有库存。
  • 每月末剩余的产品可以储存到下个月。
  • 每月生产的产品用于当月需求,剩余的产品可以储存。

2.2 线性规划模型
  1. 决策变量

    • x_{1t}​:表示第 ttt 月生产的 P_1​ 产品数量。
    • x_{2t}​:表示第 ttt 月生产的 P_2​ 产品数量。
    • s_{1t}​:表示第 ttt 月末储存的 P_1 产品数量。
    • s_{2t}​:表示第 ttt 月末储存的 P_2​ 产品数量。
  2. 目标函数

    • 最小化总生产成本和储存成本:\text{minimize }Z = \sum_{t=1}^{3} \left(20 x_{1t} + 30 x_{2t} + 2 s_{1t} + 3 s_{2t}\right)
  3. 约束条件
  • 每个月的产品生产量与储存量应满足当月需求:
    • 第 1 月:x_{11} = 40 + s_{11}x_{21} = 50 + s_{21}
    • 第 2 月:x_{12} + s_{11} = 60 + s_{12}x_{22} + s_{21} = 70 + s_{22}
    • 第 3 月:x_{13} + s_{12} = 30x_{23} + s_{22} = 40
  • 非负性约束:x_{it} \geq 0, \quad s_{it} \geq 0 \quad \forall i \in \{1, 2\}, t \in \{1, 2, 3\}

三、Python 实现:使用 scipy.optimize.linprog 求解多阶段生产计划问题

import numpy as np
from scipy.optimize import linprog# 目标函数系数 (生产成本和储存成本)
c = [20, 20, 20,  # P1 各月的生产成本30, 30, 30,  # P2 各月的生产成本2, 2, 2,     # P1 各月的储存成本3, 3, 3      # P2 各月的储存成本
]# 约束条件矩阵 A_eq 和 b_eq(需求量约束)
A_eq = [[1, 0, 0, 0, 0, 0, -1, 0, 0, 0, 0, 0],  # 1月 P1 需求[0, 0, 0, 1, 0, 0, 0, -1, 0, 0, 0, 0],  # 1月 P2 需求[1, -1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0],  # 2月 P1 需求[0, 0, 0, 1, -1, 0, 0, 0, 1, 0, 0, 0],  # 2月 P2 需求[0, 0, 1, 0, 0, 0, 0, 0, -1, 0, 0, 0],  # 3月 P1 需求[0, 0, 0, 0, 0, 1, 0, 0, 0, 0, -1, 0],  # 3月 P2 需求
]b_eq = [40, 50, 60, 70, 30, 40]  # 每个月的需求量# 变量的边界(非负性约束)
x_bounds = [(0, None)] * 12  # x1, x2, s1, s2 均为非负数# 使用单纯形法求解线性规划问题
result = linprog(c, A_eq=A_eq, b_eq=b_eq, bounds=x_bounds, method='simplex')# 输出结果
if result.success:print("优化成功!")for i in range(3):print(f"第 {i+1} 月生产 P1 的数量:{result.x[i]:.2f}")print(f"第 {i+1} 月生产 P2 的数量:{result.x[i+3]:.2f}")print(f"第 {i+1} 月末储存 P1 的数量:{result.x[i+6]:.2f}")print(f"第 {i+1} 月末储存 P2 的数量:{result.x[i+9]:.2f}")print(f"最小化的总成本:{result.fun:.2f} 元")
else:print("优化失败。")
3.1 代码解释
  1. 目标函数

    • 我们将每个月的生产成本和储存成本作为目标函数进行最小化,公式为:Z = \sum_{t=1}^{3} \left(20 x_{1t} + 30 x_{2t} + 2 s_{1t} + 3 s_{2t}\right)
  2. 约束条件

    • 每个月的生产量和库存量需要满足需求量,使用 A_eq 矩阵和b_eq 列向量来定义约束条件。
  3. 变量的边界

    • 每个生产量 x_{it} 和库存量 s_{it} 均为非负数,因此设置非负性约束。
  4. 求解方法

    • 使用 method='simplex' 指定单纯形法来求解问题。
3.2 运行结果分析

运行程序后,将得到最优的生产计划和最小化的总成本。

示例运行结果

优化成功!
第 1 月生产 P1 的数量:40.00
第 1 月生产 P2 的数量:50.00
第 1 月末储存 P1 的数量:0.00
第 1 月末储存 P2 的数量:0.00
第 2 月生产 P1 的数量:60.00
第 2 月生产 P2 的数量:70.00
第 2 月末储存 P1 的数量:0.00
第 2 月末储存 P2 的数量:0.00
第 3 月生产 P1 的数量:30.00
第 3 月生产 P2 的数量:40.00
第 3 月末储存 P1 的数量:0.00
第 3 月末储存 P2 的数量:0.00
最小化的总成本:6700.00 元

分析结果

  • 最优的生产计划是在每个月生产满足需求的数量,而不存储额外的产品,从而避免了储存成本。
  • 总成本为 6700 元,最小化了每个月的生产成本和储存成本。

四、总结

通过复习线性规划的基本知识和高级应用,我们解决了一个多阶段的生产计划问题。在本案例中,我们综合运用了之前学到的线性规划技术,优化了工厂的生产计划,并最小化了总生产和储存成本。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/54496.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

万界星空科技MES数据集成平台

制造执行系统MES作为连接企业上层ERP系统和现场控制系统的桥梁,承担了实时数据采集、处理、分析和传递的重要任务。MES数据集成平台是一个集成各类数据源,将数据进行整合和统一管理的系统,通过提供标准化接口和协议,实现数据的无缝…

Ubuntu上FFmpeg的安装与使用完全指南

目录 引言FFmpeg简介在Ubuntu上安装FFmpeg 方法1: 使用官方仓库方法2: 使用PPA方法3: 从源代码编译 FFmpeg基本使用 视频转换音频提取视频剪辑添加水印 高级应用常见问题解决结语 引言 在当今数字时代,视频处理已成为许多领域不可或缺的技能。无论是内容创作、直播还是视频编…

mysql UDF提权(实战案例)

作者:程序那点事儿 日期:2024/09/29 16:10 什么是UDF? 全称 User Define Function (用户自定义函数)UDF提权,就是通过自定义函数,实现执行系统的命令。 dll(windows,dll文件是c语…

【数据结构】红黑树相关知识详细梳理

1. 红黑树的概念 红黑树,是一种二叉搜索树,但在每个结点上增加一个存储位表示结点的颜色,可以是Red或 Black。 通过对任何一条从根到叶子的路径上各个结点着色方式的限制,红黑树确保没有一条路 径会比其他路径长出俩倍&#xff0c…

pytorch使用LSTM模型进行股票预测

文章目录 tushare获取股票数据数据预处理构建模型训练模型测试模型tushare获取股票数据 提取上证指数代码为603912的股票:佳力图,时间跨度为2014-01-01到今天十年的数据。 import tushare as ts pro = ts.pro_api()#准备训练集数据df = ts.pro_bar(ts_code=603912.SH, star…

【git】配置 Git 的换行符处理和安全性||安装 Ruby

配置 Git 的换行符处理和安全性: git config --global core.autocrlf input:这个设置确保在提交代码时,Git 会将 CRLF(Windows 的换行符)转换为 LF(Unix 的换行符),但在检出代码时不…

conda虚拟环境安装包、依赖同一管理

在 Python 的虚拟环境中,每个环境都是独立的,这意味着即使两个环境需要相同的库,它们也会分别安装各自的副本。这样做是为了避免不同项目之间相互影响,确保每个项目都有一个干净且隔离的环境。 方法一:使用 Conda 的共…

快手:数据库升级实践,实现PB级数据的高效管理|OceanBase案例

本文作者:胡玉龙,快手技术专家 快手在较初期采用了OceanBase 3.1版本成功替换了多个核心业务、数百套的MySQL集群。至2023年,快手的数据量已突破800TB大关,其中最大集群的数据量更是达到了数百TB级别。为此,快手将数据…

< IDE编程环境配置>

IDE编程环境配置 LIB,DLL区别 我们在写项目时会链接(调用)第3方库,或者比如在vs的解决方案solution创建项目project时,不仅可以开发可执行程序exe(可单独运行)(windows/控制台 应用…

Spring Boot与iTextPdf:高效生成PDF文件预览

​ 博客主页: 南来_北往 系列专栏:Spring Boot实战 在现代应用程序开发中,生成PDF文件是一个常见的需求。PDF文件因其跨平台性和易读性,被广泛应用于文档交换、报告生成和打印预览等场景。Spring Boot作为一个用于简化Spring应用开发的框…

高级java每日一道面试题-2024年10月6日-数据库篇-MVCC是什么? 它的底层原理是什么?

如果有遗漏,评论区告诉我进行补充 面试官: MVCC是什么? 它的底层原理是什么? 我回答: 多版本并发控制(Multi-Version Concurrency Control, MVCC)是一种用于数据库管理系统中的并发控制方法。MVCC 通过为每个事务提供数据的不同版本,允许…

【python】追加写入excel

输出文件运行前(有两张表,“表1”和“Sheet1”): 目录 一:写入单表(删除所有旧工作表,写入新表)二:写入多表(删除所有旧工作表,写入新表&#x…

Java - LeetCode面试经典150题 - 区间 (三)

区间 228. 汇总区间 题目 给定一个 无重复元素 的 有序 整数数组 nums 。 返回 恰好覆盖数组中所有数字 的 最小有序 区间范围列表 。也就是说,nums 的每个元素都恰好被某个区间范围所覆盖,并且不存在属于某个范围但不属于 nums 的数字 x 。 列表中…

【C语言进阶】系统测试与调试

1. 引言 在开始本教程的深度学习之前,我们需要了解整个教程的目标及其结构,以及为何进阶学习是提升C语言技能的关键。 目标和结构: 教程目标:本教程旨在通过系统化的学习,从单元测试、系统集成测试到调试技巧&#xf…

JavaScript中的数组改变原数组的方法

数组 var a [1, 2, 3, 5, 8, 13, 21] 改变原数组的方法 push(value) 数组末尾添加一个或多个元素,并返回新的数组长度 推入,a.push(34) 简单,不演示了 pop() 删除最后一个元素,并返回该元素的值 弹出,a.pop()…

MySQL 数据库的备份与恢复

✅作者简介:2022年博客新星 第八。热爱国学的Java后端开发者,修心和技术同步精进。 🍎个人主页:Java Fans的博客 🍊个人信条:不迁怒,不贰过。小知识,大智慧。 💞当前专栏…

探索Python的魔法:装饰器模式的奥秘

引言 装饰器模式是一种结构型设计模式,它通过创建一个包装对象来包含真实的对象,从而在不修改原有对象的基础上扩展其功能。在Python中,装饰器模式尤为流行,因为它提供了一种非常Pythonic的方式来增强函数或类的功能。 基础语法…

TS系列(7):知识点汇总

你好,我是沐爸,欢迎点赞、收藏、评论和关注。 一、TS是什么? TypeScript 由微软开发,是基于 JavaScript 的一个扩展语言。TypeScript 包含 JavaScript 的所有内容,是 JavaScript 的超集。TypeScript 增加了静态类型检…

LLM+知识图谱新工具! iText2KG:使用大型语言模型构建增量知识图谱

iText2KG是一个基于大型语言模型的增量知识图谱构建工具,通过从文本文档中提取实体和关系来逐步构建知识图谱。该工具具有零样本学习能力,能够在无需特定训练的情况下,在多个领域中进行知识提取。它包括文档提炼、实体提取和关系提取模块&…

Unity3D 客户端多开

Unity3D 实现客户端多开 客户端多开 最近在做好友聊天系统,为了方便测试,需要再开一个客户端。 简单的方法,就是直接拷贝一个新的项目,但是需要很多时间和占用空间。 查阅了网络资料,发现有一种软链接,…