一、问题描述
关于广告投放的问题:具体如下
限制条件
电视广告至少投放20次(包括日间和夜间);
触达用户数(曝光量)不少于10万;
电视广告投入费用不超过3万元;
现在公司总共给到4万的营销费用,要求咨询电话量的最大化。
二、使用Excel进行线性规划
2.1 三步骤
2.1.1 第一步 建立表格
已经在上面建好了。
2.1.2 第二步 三要素
- 决策变量
分别设置个媒体使用次数为x1,x2,x3,x4,x5。 - 目标函数
咨询电话量Z=600x1+800x2+500x3+400x4+300x5 - 约束条件
2.1.3 第三步,设置目标函数
2.1.4 第四步,设置约束条件
2.1.5 加载数据规划模块
选择文件->更多->选项->加载项->转到,勾选上规划求解加载项。
2.1.6 第六步,使用表格中的条件
设置目标函数和决策变量
添加约束条件
三、使用python求解
下载scipy库
scipy函数原型
scipy.optimize.linprog(c,A_ub=None,b_ub=None,A_eq=None,b_eq=None,bounds=None,method=‘interior_point’,callback=None,options=None,x0=None)
参数说明
c:线性目标函数的系数,前面加-表示求最小值
A_ub(可选参数):不等式约束矩阵
b_ub(可选参数):不等式约束向量
A_eq(可选参数):等式约束矩阵
b_eq(可选参数):等式约束向量
bounds(可选参数):定义决策变量的最小值和最大值
导入包
from scipy import optimize
import numpy as np
#创建矩阵,c为目标函数的矩阵,A_ub为约束条件的左边构成的矩阵,B_ub为约束条件的右边
c=np.array([600,800,500,400,300])
A_ub=np.array([[1000,2000,0,0,0],[-1,-1,0,0,0],[1000,2000,400,1000,100],[-2000,-4000,-3000,-5000,-600],[1,0,0,0,0],[0,1,0,0,0],[0,0,1,0,0],[0,0,0,1,0],[0,0,0,0,1]])
B_ub=np.array([30000,-20,40000,-100000,14,8,40,5,50])
四、小结
总的来说,参考步骤一步一步做,还是比较简单。