最优化与仓选址简介

数据分析偶尔也会遇到运筹优化问题，例如选址、人员排班等。

运筹优化是一门成熟学科，现在有很多开源的工具，例如optaplanner、Google的or-tools等。R语言提供了一个包ompr，可以方便地建模和求解混合整数规划问题。

ompr提供了一个比较完整、开箱即用的选址解法：The Warehouse Location Problem • ompr (dirkschumacher.github.io)

建模的关键在于明确目标函数和约束条件。

这里x和y都是变量。

y是一个向量，代表所有备选的仓库。yi=1，表示第i个仓库被选中了。

x是一个矩阵，是客户到仓库的映射。xij=1，表示第i个客户由第j个仓库配送。

所有目标函数就是运输成本+固定成本最低。

约束条件：每个客户都由同一个仓库配送且只有一个仓库配送。在实际问题中，我们可能还要再加上一个条件：仓库的数量，例如在一个城市选择一个最优的仓库。

这个选址的模型，需要两个前提条件：客户已知、备选仓库已知。在实际问题中，如果没有调研仓库的位置，可以采用简单粗暴的网格方法寻找最优位置。开源的网