排产排程问题，如何让利益最大化？（达摩院Mindopt案例）

本文链接：https://blog.csdn.net/MindOpt_003/article/details/132366903

优化求解器是求解优化问题的专业设计软件。MindOpt是阿里达摩院自主研发的求解器套件，可用于求解线性规划、混合整数线性规划、半定规划、凸二次规划问题，目前广泛工业制造、交通物流、云计算等领域，每年都有帮助阿里降低成本，提高利率。

本篇我们要讲述的案例是工厂生产相关，一个好的管理者会合理安排生产计划，让生产机器在固定的时间，不同的产品，生产效率的差异中尽可能的让工厂的利益最大化。那么面对这一问题，如果计算量比较大，该如何是好呢？MindOpt优化求解器可以为您提供计算能力，让工厂利益最大化。下面我将使用MindOpt来优化一个排产排程的问题。

问题描述和数学规划模型

问题描述

考虑如下决策问题，某钢铁厂在下一周将要生产Bands，Coils，和Plate三种产品。

已知该工厂每小时能生产200吨Bands、或140吨Coils、或160吨Plate。
每吨Bands获利25元，每吨Coils获利30元，每吨Plate获利29元。
已知每周最多能够生产最多6000吨的Bands，4000吨的Coils 和3500吨Plate，且工厂每周最多工作40小时。
现规定每周Bands生产数量不得少于1000吨，Coils的生产数量不得少于500吨，Plate的生产数量不得少于750吨。

问下周生产多少吨的Bands和Coils能让工厂利润最大化？

数学规划模型

以上问题，我们可以建立线性规划的数学模型如下。

集合
产品集合 𝑃

混合集合 𝐷
(由生产效率 rate，每小时获利 profit，最低生产量 commit和最大生产量 profit四个元素组成）

参数

工厂每周最大工作时间 avail
工厂生产产品 𝑝∈𝑃 的效率 𝑟𝑝
每吨产品 𝑝∈𝑃 获利 𝑝𝑝
产品 𝑝∈𝑃 每天最低生产量 𝑐𝑝
产品 𝑝∈𝑝 每天最大生产量 𝑚𝑝

决策变量
工厂一周生产产品 𝑝∈𝑃 的数量 $c_p \leq \mathrm{make}_p \leq m_p$

目标函数
工厂要最大化利润 $max\sum_{p \in P} p_p \cdot \mathrm{make}_p$

约束
工厂每周工作不得超过最大工作时间 $sum_{p \in P} \mathrm{make}_p/r_p\leq \mathrm{avail}$

汇总的数学公式如下：

使用MindOpt APL进行建模和求解

MindOpt建模语言(MindOpt Algebra Programming Language, MindOpt APL，简称为MAPL)是一种高效且通用的代数建模语言。当前主要用于数学规划问题的建模，并支持调用多种求解器求解。下面将演示如何使用MAPL将上面的数学模型公式和数据输入，生成一个求解器可求解的问题，再调用求解器去进行求解。

方法1：cell中直接输入建模代码运行

改写上面的数据图和数学模型，如下代码，在Notebook的cell中运行它：

clear model;#清除model，多次run的时候使用
option modelname model/manufacture_01_steel;#方便与方法2的中间文件生成在同一个目录

#---------建模-----------------
# manufacture_01_steel.mapl

set PROD := { "bands", "coils", "plate" };
set D := { "rate", "profit", "commit", "market" };

param data[PROD * D] := 
         | "rate", "profit", "commit", "market"|
|"bands" |  200,    25,       1000,     6000   |
|"coils" |  140,    30,       500,      4000   |
|"plate" |  160,    29,       750,      3500   |;

param avail := 40;

var Make[<p> in PROD] >= data[p, "commit"] <= data[p, "market"];

maximize Total_Profit: sum {<p> in PROD } data[p, "profit"] * Make[p];

subto Time:
  sum {<p> in PROD} 1/data[p, "rate"] * Make[p] <= avail;

#------------------------------

print "-----------------用MindOpt求解---------------";
option solver mindopt;   # 指定求解用MindOpt求解器
solve;               # 求解
display;

print "-----------------结果---------------";
print "最大利润 = ";
print sum { <p> in PROD } data[p, "profit"] * Make[p];

运行上述代码结果如下：

-----------------用MindOpt求解---------------
Running mindoptampl
wantsol=1
MindOpt Version 0.25.1 (Build date: 20230816)
Copyright (c) 2020-2023 Alibaba Cloud.

Start license validation (current time : 18-AUG-2023 16:04:09).
License validation terminated. Time : 0.006s

Model summary.
 - Num. variables     : 3
 - Num. constraints   : 1
 - Num. nonzeros      : 3
 - Bound range        : [4.0e+01,6.0e+03]
 - Objective range    : [2.5e+01,3.0e+01]
 - Matrix range       : [5.0e-03,7.1e-03]

Presolver started.
Presolver terminated. Time : 0.002s

Simplex method started.
Model fingerprint: =E2blNmZul3Z3R2dkdnZ

    Iteration       Objective       Dual Inf.     Primal Inf.     Time
            0     3.71500e+05      0.0000e+00      1.6179e+01     0.01s  
            1     1.94829e+05      0.0000e+00      0.0000e+00     0.02s  
Postsolver started.
Simplex method terminated. Time : 0.008s


OPTIMAL; objective 194828.57
1 simplex iterations

Completed.
Primal Solution:
Make@bands = 6000.00000
Make@coils = 500.000000
Make@plate = 1028.57143
-----------------结果---------------
最大利润 = 
194828.5714285714

3. 结果解析

display指令运行时，会打印求解的结果，Make@name 是决策变量的取值，后面的dual solution是对偶解的值。示意如下：

Primal Solution:
Make@bands = 6.000000000000000E+03
Make@coils = 5.000000000000000E+02
Make@plate = 1.028571428571429E+03

Dual Solution:
Time_1   = 4.640000000000000E+03

同时，在最近建模的文件所在目录或option modelname指定的位置，会生成对应的文件 .nl和 .sol。其中 .nl文件是建模的问题模型文件，可被多数求解器识别，.sol文件中存储了求解结果solution。

从打印的结果，我们可以得到采用如下的生产方案时，利润最大，为194828.57元：

Make@bands = 6.000000000000000E+03
Make@coils = 5.000000000000000E+02
Make@plate = 1.028571428571429E+03