表上作业法求解运输问题----python生成初始解

运筹小菜鸡

已于 2022-04-08 17:04:17 修改

阅读量4k

点赞数 8

文章标签： python 算法

于 2022-04-08 16:52:53 首次发布

本文链接：https://blog.csdn.net/qq_43434469/article/details/124044014

版权

提示：本文主要是关于python的实现，不纠结于原理部分

前言

运输问题是一种线性规划模型，如果使用单纯形法，那么对每个约束都需要引入一个人工变量，因此为更好的求解运输问题，需要有一种新方法。

表上作业法是求解运输问题的一种简便而有效的方法，其整体的迭代步骤为：得到初始解；对解进行判定，若不是最优解，则改进；再判定；直到得到运输问题的最优解为止。

提示：以下是本篇文章正文内容，下面案例可供参考

一、理论部分

得到初始可行解有两种常用的方法：最小元素法和沃格尔（Vogel）法。

1.最小元素法

最小元素法是基于优先满足单位运价最小的供销业务，是一种贪心思想。

2.沃格尔（Vogel）法

沃格尔法可以简单总结为找到最大罚数的行（列），在该行（列）种找到最小的运价，满足该运价对应的供销关系，不断迭代。

上面只是简单介绍一下两个方法的思想，要想明白可以找找相关资料，个人感觉原理很简单。下面就直接进入正题。Coding！！！

二、最小元素法实现

1.数据准备

产量、销量、产地和销地间的成本矩阵、设置一个极大数、初始化初始解。

import numpy as np
import copy
supplyNum=3           #供应商数量
demandNum=4           #需求商数量
A=np.array([16,10,22])           #产量
B=np.array([8,14,12,14])         #销量
C=np.array([[4,12,4,11],[2,10,3,9],[8,5,11,6]])       #成本
X=np.zeros((supplyNum,demandNum))         #初始解
c=copy.deepcopy(C)
maxNumber=10000       #极大数

2.代码主体部分

这里的python实现思想是：

1、找到最小运价的索引；

2、判断该索引对应的产地的产量和销地的销量大小关系，以此确定该索引下的运输量；

3、将该索引对应的剩余产量、剩余销量数据更新，并且将已经满足运输条件的行（列）成本全部提高为一个极大数（该操作替换表上作业法里面的删除操作）；

4、条件判定，若所有的成本都已经不小于这个极大数，则跳出循环，否则跳入步骤1。

代码如下：

def pivot(A,B,c,X):
    index=np.where(c==np.min(c))     #寻找最小值的索引
    minIndex=(index[0][0],index[1][0])     #确定最小值的索引
    #确定应该优先分配的量，并且改变价格
    if A[index[0][0]]>B[index[1][0]]:
        X[minIndex]=B[index[1][0]]
        c[:,index[1][0]]=maxNumber       #改变价格
        A[index[0][0