用Python实现运筹学——Day 15: 线性规划的项目实战

写代码的M教授

于 2024-10-08 08:00:00 发布

阅读量1.1k

点赞数 40

分类专栏：用Python实现运筹学文章标签： python 开发语言

本文链接：https://blog.csdn.net/qq_41698317/article/details/142719415

版权

用Python实现运筹学专栏收录该内容

18 篇文章 9 订阅

订阅专栏

一、学习内容

在本节中，我们将综合应用之前学习的线性规划知识，解决一个复杂的实际问题。通过这个实战项目，进一步理解线性规划在资源分配问题中的应用。

二、实战案例：公司资源分配问题

2.1 问题描述：

某公司生产两种产品 $P_1$ 和 $P_2$ ，这两种产品的生产需要消耗三种资源：机器时间、人力资源、原材料。公司的目标是在满足生产需求的前提下，最大化利润。

已知以下信息：

每单位产品的资源消耗量：

资源	$P_1$ 单位资源消耗	$P_2$ 单位资源消耗
机器时间	3 小时	5 小时
人力资源	2 人小时	3 人小时
原材料	4 单位	2 单位

资源的总供应量：

资源	总供应量
机器时间	180 小时
人力资源	120 小时
原材料	160 单位

产品的利润：

产品	单位利润（元）
$P_1$	40
$P_2$	30

目标是确定公司生产两种产品的最优数量，以最大化利润。

2.2 线性规划模型

决策变量：
- $x_1$ ：生产 $P_1$ 的数量。
- $x_2$ ：生产 $P_2$ 的数量。
目标函数：
- 最大化总利润： $\text{maximize } Z = 40 x_1 + 30 x_2$
约束条件：
- 机器时间约束： $3 x_1 + 5 x_2 \leq 180$
- 人力资源约束： $2 x_1 + 3 x_2 \leq 120$
- 原材料约束： $4 x_1 + 2 x_2 \leq 160$
- 非负性约束： $x_1 \geq 0, \quad x_2 \geq 0$

三、Python 实现：使用 `scipy.optimize.linprog` 求解公司资源分配问题

import numpy as np
from scipy.optimize import linprog

# 目标函数系数 (利润)
c = [-40, -30]  # linprog 是求最小化问题，因此目标函数取负值

# 约束条件矩阵 A_ub 和 b_ub
A = [
    [3, 5],  # 机器时间约束
    [2, 3],  # 人力资源约束
    [4, 2]   # 原材料约束
]
b = [180, 120, 160]  # 各资源的总供应量

# 变量的边界（非负性约束）
x_bounds = [(0, None), (0, None)]  # x1 和 x2 均为非负数

# 使用单纯形法求解线性规划问题
result = linprog(c, A_ub=A, b_ub=b, bounds=x_bounds, method='simplex')

# 输出结果
if result.success:
    print("优化成功！")
    print(f"生产 P1 的数量：{result.x[0]:.2f}")
    print(f"生产 P2 的数量：{result.x[1]:.2f}")
    print(f"最大化的利润：{-result.fun:.2f} 元")
else:
    print("优化失败。")

3.1 代码解释

目标函数：
- 目标是最大化利润： $Z = 40 x_1 + 30 x_2$
由于 linprog 只能求解最小化问题，因此我们对目标函数取负数，将其转换为最小化问题： $Z = - (40 x_1 + 30 x_2)$
约束条件：
- 机器时间、人力资源、原材料的约束分别表示为： $3 x_1 + 5 x_2 \leq 180$ ， $2 x_1 + 3 x_2 \leq 120$ ， $4 x_1 + 2 x_2 \leq 160$
这些约束条件通过矩阵 A和向量 b 进行表示。
变量的边界：
- $x_1$ 和 $x_2$ 都必须为非负，因此设置非负性约束。
求解方法：
- 使用 method='simplex' 指定单纯形法来求解问题。

3.2 运行结果分析

运行程序后，将得到最优的产品生产数量和最大化的利润。

示例运行结果

优化成功！
生产 P1 的数量：30.00
生产 P2 的数量：12.00
最大化的利润：1560.00 元

分析结果：

通过优化计算，得到了最优的生产数量：生产 30 单位的 $P_1$ 和 12 单位的 $P_2$ 。
最大化的利润为 1560 元。

该结果是在满足所有资源约束的前提下，通过线性规划求解得到的最优方案。工厂应按照该生产计划分配资源，以实现最大化利润。

四、总结

通过本节的项目实战，我们复习并综合应用了线性规划的基础知识和求解方法，解决了公司资源分配问题。使用 Python 进行建模和求解，可以帮助我们快速高效地找到最优方案。