这个例子展示了如何建立和解决一个混合整数线性规划问题。问题是在一组工厂、仓库和销售网点之间找到最优的生产和分销水平。关于基于求解器的方法,请参见工厂,仓库,销售分配模型:基于求解器.
该示例首先为工厂、仓库和销售网点生成随机位置。可以随意修改缩放参数 ,它既可以缩放生产和配送设施所在的网格的大小,也可以缩放这些设施的数量,以便每个网格区域内每种类型的设施密度是独立的 .
对于给定的缩放参数值 ,假设有以下情况:
工厂
仓库
销售网点
这些设施位于1和之间的单独整数网格点上 在 和 的方向。为了让这些设施有单独的位置,你需要这样做 .在本例中,取 , , , .
有 s manbetx 845工厂生产的产品。取 .
每一种产品的需求 在销售部门 是 .需求是一段时间内可以出售的数量。模型的一个约束条件是需求得到满足,这意味着系统生产和分配的数量恰好满足需求。
每个工厂和每个仓库都有容量限制。
产品的生产 在工厂 小于 .
仓库容量 是 .
产品数量 可以从仓库运输 给一个销售网点的时间间隔小于 ,在那里 产品的周转率是多少 .
假设每个销售网点只从一个仓库接收供应品。问题的一部分是确定销售网点到仓库的最便宜映射。
从工厂到仓库以及从仓库到销售点运输产品的成本取决于s manbetx 845设备之间的距离,以及具体的产品。如果 设施之间的距离如何 和 ,然后是产品的运输成本 这些设施之间的距离乘以运输成本 :
本例中的距离是网格距离,也称为 距离。它是绝对值差的和 坐标和 坐标。
生产一单位产品的成本 在工厂 是 .
给定一组设施位置,以及需求和能力限制,发现:
每个工厂每种产品的生产水平
产品从工厂到仓库的分配时间表s manbetx 845
产品从仓库到销售点的分配时间表s manbetx 845
这些数量必须确保满足需求和总成本最小化。而且,每个销售网点必须从一个仓库接收所有产品。s manbetx 845
控制变量,也就是你可以在优化过程中改变的变量
产品的数量 那是从工厂运来的 到仓库
=一个值为1的二元变量 与仓库相关
最小化的目标函数为
的约束
(工厂)的能力。
(满足需求)。
(仓库)的能力。
(每个销售网点对应一个仓库)。
(非负生产)。
(二进制 ).
的变量 和 线性地出现在目标函数和约束函数中。因为 问题是一个混合整数线性规划(MILP)。
的值 , , , 参数,并生成设施位置。
rng (1)%的再现性N = 20;% N从10到30似乎有效。谨慎选择大的值。N2 = N * N;f = 0.05;工厂密度%w = 0.05;仓库密度%s = 0.1;销售网点密度%F =地板(F * N2);%工厂数量W =地板(W * N2);%仓库数量S =地板(S * N2);%销售网点数量xyloc = randperm (N2, F + W + S);独特的设施位置[xloc,yloc] = ind2sub([N N],xyloc);
当然,随机选择设施地点是不现实的。本示例旨在展示解决方案技术,而不是如何生成良好的设施位置。
情节的设施。设施1到F是工厂,F+1到F+W是仓库,F+W+1到F+W+S是销售网点。
h =图;情节(xloc (1: F), yloc (1: F),“rs”xloc (F + 1: F + W), yloc (F + 1: F + W),“k *’,...xloc (F + W + 1: F + W + S), yloc (F + W + 1: F + W + S),“波”);lgnd =传奇(“工厂”,“仓库”,“销售渠道”,“位置”,“EastOutside”);lgnd。自动更新=“关闭”;xlim ([0 N + 1]); ylim ([0 N + 1])
产生随机的生产成本、产能、周转率和需求。
P = 20;% 20产s manbetx 845品%生产成本在20至100之间pcost = 80*rand(F,P) + 20;%每个产品/工厂的生产能力在500到1500之间pcap = 1000*rand(F,P) + 500;%每个产品/仓库在P*400和P*800之间的仓库容量wcap = P*400*rand(W,1) + P*400;%每个产品的周转率在1到3之间= 1 *rand(1,P) + 1;%每件产品的运输成本在5到10之间tcost = 5*rand(1,P) + 5;%各销售网点的产品需求在200 - 500之间%的产品/出口d = 300*rand(S,P) + 200;
这些随机的需求和能力可能导致不可行的问题。换句话说,有时需求超过了生产和仓库容量的限制。如果你改变一些参数,得到一个不可行的问题,在解决过程中,你将得到一个退出标志-2。
要开始指定问题,请生成距离数组distfw (i, j)
和distsw (i, j)
.
distfw = 0 (F, W);按工厂-仓库距离分配矩阵为2 = 1: F为jj = 1:W disfw (ii,jj) = abs(xloc(ii) - xloc(F + jj)) + abs(yloc(ii))...- yloc(F + jj);结束结束distsw = 0 (S, W);%分配销售网点-仓库距离矩阵为2 = 1: S为jj = 1:W dissw (ii,jj) = abs(xloc(F + W + ii) - xloc(F + jj))...+ abs(yloc(F + W + ii) - yloc(F + jj));结束结束
为优化问题创建变量。x
表示生产,一个连续变量,带有维度P
——- - - - - -F
——- - - - - -W
.y
表示销售渠道到仓库、仓库和仓库的二元分配年代
——- - - - - -W
变量。
x = optimvar (“x”, F P W,下界的, 0);y = optimvar (“y”,年代,W,“类型”,“整数”,下界的0,“UpperBound”1);
现在创建约束。第一个约束是生产能力的约束。
Capconstr = sum(x,3) <= pcap';
下一个约束是需求在每个销售网点得到满足。
Demconstr = squeeze(sum(x,2)) == d'*y;
每个仓库都有容量限制。
wrecap = sum(diag(1./turn)*(d'*y),1) <= wcap';
最后,还要求每个销售网点精确地连接到一个仓库。
salesware = sum(y,2) = ones(S,1);
创造一个优化问题。
factoryprob = optimproblem;
目标函数由三部分组成。第一部分是生产成本的总和。
objfun1 =(金额(金额总和(x) 3)。* (pcost”),2),1);
第二部分是工厂到仓库的运输成本之和。
objfun2 = 0;为p = 1: p objfun2 = objfun2 + tcost (p) *金额(金额(挤压(x (p::)。* distfw));结束
第三部分是仓库到销售点的运输成本之和。
r =总和(distsw。* y, 2);% r是一个长度s的向量v = d * (tcost (:));objfun3 = (v * r)之和;
最小化的目标函数是这三部分之和。
factoryprob。对象= objfun1 + objfun2 + objfun3;
在问题中包含约束条件。
factoryprob.Constraints.capconstr = capconstr;factoryprob.Constraints.demconstr = demconstr;factoryprob.Constraints.warecap = warecap;factoryprob.Constraints.salesware = salesware;
关闭迭代显示,这样就不会得到几百行输出。包含一个绘图功能来监视解决方案的进度。
选择= optimoptions (“intlinprog”,“显示”,“关闭”,“PlotFcn”, @optimplotmilp);
调用求解器来找到解决方案。
[溶胶,fval exitflag、输出]=解决(factoryprob,“选项”、选择);
如果isempty (sol)如果问题不可行,或者你因为没有解决方案而提前停止disp (解算器没有返回解。)返回%停止脚本,因为没有要检查的内容结束
检查退出标志和解决方案的不可行性。
exitflag
exitflag = OptimalSolution
infeas1 = max (max(不可行性(capconstr,索尔)))
infeas1 = 9.0949 e-13
infeas2 = max (max(不可行性(demconstr,索尔)))
infeas2 = 8.0718 e-12
infeas3 = max(不可行性(warecap,索尔))
infeas3 = 0
infeas4 = max(不可行性(salesware,索尔))
infeas4 = 2.4425 e15汽油
在y
解的一部分是整数值。要理解为什么这些变量可能不是整数,请参见一些“整数”解不是整数万博 尤文图斯.
sol.y =圆(sol.y);得到整数解万博 尤文图斯
每个仓库有多少销售网点?请注意,在本例中,有些仓库有0个关联出口,这意味着在最佳解决方案中没有使用这些仓库。
媒体=总和(sol.y, 1)
媒体=1×202 0 3 2 2 2 2 3 3 2 1 0 0 3 4 3 2 3 2 2 1
绘制每个销售网点与仓库之间的联系图。
图(h);持有在为ii = 1:S jj = find(sol.y(ii,:));与ii相关的仓库指数%xsales = xloc (F + W + 2);ysales = yloc (F + W + 2);xwarehouse = xloc (F + jj);ywarehouse = yloc (F + jj);如果兰特(1)< 0。5前半段时间画y方向情节([xsales、xsales xwarehouse], [ysales、ywarehouse ywarehouse),“g——”)其他的%其余时间先画x方向情节([xsales、xwarehouse xwarehouse], [ysales、ysales ywarehouse),“g——”)结束结束持有从标题(“销售网点到仓库的映射”)
没有绿线的黑色*表示未使用的仓库。