一、运输规划问题模型及变化
运输规划问题一般形式 ( 产销平衡 ) :
m \rm m m 个产地 : A 1 , A 2 , A 3 , ⋯ , A m \rm A_1, A_2,A_3 , \cdots , A_m A1,A2,A3,⋯,Am ;
n \rm n n 个销地 : B 1 , B 2 , B 3 , ⋯ , B n \rm B_1, B_2,B_3 , \cdots , B_n B1,B2,B3,⋯,Bn ;
a i \rm a_i ai 表示产地 A i \rm A_i Ai 的产量 , i = 1 , 2 , 3 , ⋯ , m \rm i = 1, 2,3, \cdots , m i=1,2,3,⋯,m ;
b j \rm b_j bj 表示产地 B j \rm B_j Bj 的销量 , j = 1 , 2 , 3 , ⋯ , n \rm j = 1, 2,3, \cdots , n j=1,2,3,⋯,n ;
c i j \rm c_{ij} cij 表示将 A i \rm A_i Ai 产地的产品运往 B j \rm B_j Bj 销地的运输成本 ;
假设 x i j \rm x_{ij} xij 是从产地 A i \rm A_i Ai 运往销地 B j \rm B_j Bj 的运输量 ;
可以得到如下线性规划模型 :
m i n W = ∑ i = 1 m ∑ j = 1 n c i j x i j s . t { ∑ j = 1 n x i j = a i ( i = 1 , 2 , 3 , ⋯ , m ) ∑ i = 1 m x i j = b j ( j = 1 , 2 , 3 , ⋯ , n ) x i j ≥ 0 ( i = 1 , 2 , 3 , ⋯ , m ; j = 1 , 2 , 3 , ⋯ , n ) \begin{array}{lcl} \rm minW = \sum_{i = 1}^{m} \sum_{j = 1}^{n} c_{ij} x_{ij} \\\\ \rm s.t\begin{cases} \rm \sum_{j = 1}^{n} x_{ij} = a_i \ \ \ \ ( \ i = 1, 2,3, \cdots , m \ ) \\\\ \rm \sum_{i = 1}^{m} x_{ij} = b_j \ \ \ \ ( \ j = 1, 2,3, \cdots , n \ ) \\\\ \rm x_{ij} \geq 0 \ \ \ \ ( \ i = 1, 2,3, \cdots , m \ \ ; \ \ j = 1, 2,3, \cdots , n \ ) \end{cases}\end{array} minW=∑i=1m∑j=1ncijxijs.t⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧∑j=1nxij=ai ( i=1,2,3,⋯,m )∑i=1mxij=bj ( j=1,2,3,⋯,n )xij≥0 ( i=1,2,3,⋯,m ; j=1,2,3,⋯,n )
此外运输规划还有一些变化模型 :
① 目标函数求最大值 , 如利润最大 ;
② 运输能力限制 , 需要在模型中加入等式或不等式约束条件 ;
③ 产销不平衡 , 参考 【运筹学】运输规划 ( 运输规划基变量个数 | 运输问题一般形式 | 产销平衡 | 产销不平衡 ) 三、运输规划中的产销( 不 )平衡问题 ;
二、运输规划问题求解 ( 表上作业法 )
运输问题线性规划 本质也是线性规划 , 是特殊的线性规划 , 其 最优解 可以使用 单纯形法 求得 ;
运输问题是线性规划中比较简单的模型 , 其系数矩阵中的元素都是 0 , 1 0,1 0,1 , 是稀疏矩阵 , 可以使用简化版的单纯形法求最优解 , 该方法称为 " 表上作业法 " ;
m \rm m m 个产地 , n \rm n n 个销地 , 变量个数是 m × n \rm m \times n m×n 个 ;
m \rm m m 个产地 , n \rm n n 个销地 , 约束方程个数是 m + n \rm m + n m+n 个 , 这些约束方程中 , 有一个是多余的 , 最本质的方程最多有 m + n − 1 \rm m + n - 1 m+n−1 个 ;
第一步 , 开始找 初始基可行解 , 基变量个数是 m + n − 1 \rm m + n - 1 m+n−1 个 , 基矩阵的秩是 m + n − 1 \rm m + n - 1 m+n−1 ;
求解基可行解时 , 非基变量取值 0 0 0 , 基变量允许非 0 0 0 变量 , 找 m + n − 1 \rm m + n - 1 m+n−1 个基变量 ,
第二步 , 找到一个规则 , 判断是否是最优解 ;
第三步 , 如果不是最优解 , 进行 迭代 , 如何进行迭代 ;