本文同步发布于我的网站,欢迎参观!
在许多实际问题当中,衡量一个方案的好坏标准可能不只一个。比如生产某个东西的时候想要“物美价廉”——既要质量好,又要成本低。这一类问题统称为多目标最优化问题或者多目标规划问题。
标准形式
多目标规划问题一般可以写成如下形式:
min
f
1
(
x
)
min
f
2
(
x
)
⋮
min
f
p
(
x
)
s.t.
g
i
(
x
)
≤
0
,
i
=
1
,
2
,
…
,
m
\begin{aligned} \min & f_1(x) \\ \min & f_2(x) \\ & \vdots \\ \min & f_p(x) \\ \text { s.t. } & g_i(x) \leq 0, i=1,2, \ldots, m \end{aligned}
minminmin s.t. f1(x)f2(x)⋮fp(x)gi(x)≤0,i=1,2,…,m
其中, x = ( x 1 , x 2 , … , x m ) T ∈ R m , p ≥ 2 x=\left(x_1, x_2, \ldots, x_m\right)^T \in R^m, p \geq 2 x=(x1,x2,…,xm)T∈Rm,p≥2
例题1 生产计划问题
下面以一道例题来展示常见的多目标规划模型
某厂生产三种布料 A 1 , A 2 , A 3 A_1,A_2,A_3 A1,A2,A3,改厂两班生产,每周生产时间为 80 h 80h 80h,能耗上限 160 t 160t 160t标准煤。其他数据如下表:
布料 | 生产速度(m/h) | 利润(元/m) | 每周最大销售量(m) | 能耗(t/km) |
---|---|---|---|---|
A 1 A_1 A1 | 400 | 0.15 | 40000 | 1.2 |
A 2 A_2 A2 | 510 | 0.13 | 51000 | 1.3 |
A 3 A_3 A3 | 360 | 0.20 | 36000 | 1.4 |
问每周生产三种布料各多少米,才能使得该厂的利润最高,而能耗最少?
设该厂每周生产三种布料分别
x
1
,
x
2
,
x
3
x_1,x_2,x_3
x1,x2,x3小时。总利润为
y
1
=
f
1
(
x
)
y_1=f_1(x)
y1=f1(x)(元),总能耗为
y
2
=
f
2
(
x
)
y_2=f_2(x)
y2=f2(x)(吨标准煤),其中
x
=
(
x
1
,
x
2
,
x
3
)
T
x=(x_1,x_2,x_3)^T
x=(x1,x2,x3)T,则上述问题的数学模型为:
min
y
1
=
−
f
1
(
x
)
min
y
2
=
f
2
(
x
)
s.t.
{
x
1
+
x
2
+
x
3
≤
80
1.2
×
0.4
x
1
+
1.3
×
0.5
x
2
+
1.4
×
0.36
x
3
≤
160
0
≤
x
1
≤
100
,
0
≤
x
2
≤
100
,
0
≤
x
3
≤
100
\begin{aligned} & \min y_1=-f_1(x) \\ & \min y_2=f_2(x) \\ & \text { s.t. }\left\{\begin{array}{l} x_1+x_2+x_3 \leq 80 \\ 1.2 \times 0.4 x_1+1.3 \times 0.5 x_2+1.4 \times 0.36 x_3 \leq 160 \\ 0 \leq x_1 \leq 100,0 \leq x_2 \leq 100,0 \leq x_3 \leq 100 \end{array}\right. \end{aligned}
miny1=−f1(x)miny2=f2(x) s.t. ⎩
⎨
⎧x1+x2+x3≤801.2×0.4x1+1.3×0.5x2+1.4×0.36x3≤1600≤x1≤100,0≤x2≤100,0≤x3≤100
其中
f
1
(
x
)
=
0.15
×
400
x
1
+
0.13
×
510
x
2
+
0.2
×
360
x
3
f
2
(
x
)
=
1.2
×
0.4
x
1
+
1.3
×
0.51
x
2
+
0.36
×
1.4
x
3
\begin{align} f_1(x)&=0.15\times400x_1+0.13\times510x_2+0.2\times360x_3\\ f_2(x)&=1.2\times0.4x_1+1.3\times 0.51x_2+0.36\times 1.4x_3 \end{align}
f1(x)f2(x)=0.15×400x1+0.13×510x2+0.2×360x3=1.2×0.4x1+1.3×0.51x2+0.36×1.4x3
可以发现,多目标规划问题与以前所讲的规划问题的主要区别在于:目标函数不止一个,而是 p p p个。 ( p ≥ 2 ) (p\ge2) (p≥2)
多目标问题的解法
多目标问题的解法大致可以分为两类:直接解法和间接解法。其中常用的多为间接解法:根据问题的实际背景和特征,设法讲多目标优化问题转化为单目标优化问题,从而得到满意的解法。
间接解法有:主要目标法,分层序列法,线性加权求和法。
假设我们现在的问题数学模型形如
min
y
1
=
f
1
(
x
)
min
y
2
=
f
2
(
x
)
s.t.
g
i
(
x
)
≤
0
,
i
=
1
,
2
,
…
,
m
\begin{aligned} \min \ & y_1 = f_1(x) \\ \min \ & y_2 = f_2(x) \\ \text { s.t. }\ & g_i(x) \leq 0, i=1,2, \ldots, m \end{aligned}
min min s.t. y1=f1(x)y2=f2(x)gi(x)≤0,i=1,2,…,m
下面简述三种解法。
主要目标法
不妨设
f
1
(
x
)
f_1(x)
f1(x)为主要目标。那么我们为
f
2
(
x
)
f_2(x)
f2(x)设定一个阈值
θ
\theta
θ,将其转化为一个约束
f
2
(
x
)
≤
θ
f_2(x)\le \theta
f2(x)≤θ。
min
y
1
=
f
1
(
x
)
s.t.
g
i
(
x
)
≤
0
,
i
=
1
,
2
,
…
,
m
f
2
(
x
)
≤
θ
\begin{aligned} \min \ & y_1 = f_1(x) \\ \text { s.t. }\ & g_i(x) \leq 0, i=1,2, \ldots, m\\ & f_2(x)\le \theta \end{aligned}
min s.t. y1=f1(x)gi(x)≤0,i=1,2,…,mf2(x)≤θ
这里的阈值
θ
\theta
θ需要自己主观确定,确定的合理一点。
注:论文写作时,使用主要目标法之前,应先将原数学模型写出来。
分层序列法
假设
y
1
y_1
y1比
y
2
y_2
y2重要(给目标函数的重要性排个序),那么先不管
y
2
y_2
y2,解第一个模型:
min
y
1
=
f
1
(
x
)
s.t.
g
i
(
x
)
≤
0
,
i
=
1
,
2
,
…
,
m
\begin{aligned} \min \ & y_1 = f_1(x) \\ \text { s.t. }\ & g_i(x) \leq 0, i=1,2, \ldots, m \end{aligned}
min s.t. y1=f1(x)gi(x)≤0,i=1,2,…,m
假设解出了最优解:
x
=
x
⋆
,
y
1
=
f
1
(
x
⋆
)
x=x^\star,y_1=f_1(x^\star)
x=x⋆,y1=f1(x⋆)
接着我们需要在“不牺牲
y
1
y_1
y1的情况下最小化
y
2
y_2
y2”,即解第二个模型:
min
y
2
=
f
2
(
x
)
s.t.
g
i
(
x
)
≤
0
,
i
=
1
,
2
,
…
,
m
f
1
(
x
)
≤
f
1
(
x
⋆
)
\begin{aligned} \min \ & y_2 = f_2(x) \\ \text { s.t. }\ & g_i(x) \leq 0, i=1,2, \ldots, m\\ & f_1(x)\le f_1(x^\star) \end{aligned}
min s.t. y2=f2(x)gi(x)≤0,i=1,2,…,mf1(x)≤f1(x⋆)
但是分析发现,条件
f
1
(
x
)
≤
f
1
(
x
⋆
)
f_1(x)\le f_1(x^\star)
f1(x)≤f1(x⋆)是很难满足的。如果第一个模型只有唯一解,那么对于第二个模型要满足
f
1
(
x
)
≤
f
1
(
x
⋆
)
f_1(x)\le f_1(x^\star)
f1(x)≤f1(x⋆),也只有唯一解(即
x
=
x
⋆
x=x^\star
x=x⋆)。
在实际建模中,为了确保
y
2
y_2
y2有一定的“生存空间”,往往将第二个模型的限制条件
f
1
(
x
)
≤
f
1
(
x
⋆
)
f_1(x)\le f_1(x^\star)
f1(x)≤f1(x⋆)增加一个裕度
η
\eta
η,适当的放松对于
y
1
y_1
y1优化的力度:
min
y
2
=
f
2
(
x
)
s.t.
g
i
(
x
)
≤
0
,
i
=
1
,
2
,
…
,
m
f
1
(
x
)
≤
f
1
(
x
⋆
)
+
η
\begin{aligned} \min \ & y_2 = f_2(x) \\ \text { s.t. }\ & g_i(x) \leq 0, i=1,2, \ldots, m\\ & f_1(x)\le f_1(x^\star)+\eta \end{aligned}
min s.t. y2=f2(x)gi(x)≤0,i=1,2,…,mf1(x)≤f1(x⋆)+η
线性加权求和法
取权重
w
1
,
w
2
∈
(
0
,
1
)
w_1,w_2\in(0,1)
w1,w2∈(0,1),且
w
1
+
w
2
=
1
w_1+w_2=1
w1+w2=1,将原模型转化为
min
y
=
w
1
f
1
(
x
)
+
w
2
f
2
(
x
)
s.t.
g
i
(
x
)
≤
0
,
i
=
1
,
2
,
…
,
m
\begin{aligned} \min \ & y = w_1f_1(x)+w_2f_2(x) \\ \text { s.t. }\ & g_i(x) \leq 0, i=1,2, \ldots, m \end{aligned}
min s.t. y=w1f1(x)+w2f2(x)gi(x)≤0,i=1,2,…,m
w
1
,
w
2
w_1,w_2
w1,w2的取值情况要讨论,需要讨论取不同权重对于结果的影响。
例题
国赛2005B《DVD在线租赁》T2T3
问题重述
DVD租赁网站的会员可以租赁DVD。每个会员每个月可以提交至多2次订单,订单包含了一个基于该会员对DVD偏爱程度排序的DVD列表(长度最大为10),每次租赁可以获得3张DVD。会员看完3张DVD之后需要将3张DVD寄回才可以继续下次租赁。
T2:表2列出了网站手上的100中DVD及其现有张数、当前需要处理的1000位会员的订单。对这些DVD进行分配,使会员获得最大的满意度。
T3:继续考虑表2,并假设表2中DVD现有的数量全部为0。作为网站经营管理人员,决定每种DVD的购买量,以及如何对这些DVD进行分配,才能使得一个月内95%的会员得到他想看的DVD,并且满意度最大?
表2节选
DVD编号 | D001 | D002 | D003 | … |
---|---|---|---|---|
DVD现有数量 | 10 | 40 | 15 | … |
会员C001 | 6(表示第6想要) | 0(表示不想要) | 0 | … |
会员C002 | 0 | 0 | 0 | … |
会员C003 | 0 | 0 | 3(表示第3想要) | … |
会员编号… | … | … | … | … |
模型假设
- 假设按照公历月份进行租赁业务,即会员的所有租赁必须在当月内完成DVD的租与还。
- 假设网站对会员进行一次租赁业务时,只能向其提供3张该会员已经预定的DVD,否则不进行租赁。(这个可以减少计算量)
问题二模型建立与求解
我们设会员得到了其第 i i i想要的DVD所产生的满意度为 11 − i 11-i 11−i,对得到不想要的DVD的满意度为 0 0 0,依此将表2的订单矩阵转化为满意度矩阵 C C C,其中 c i j c_{ij} cij表示第 i i i位会员对第 j j j中DVD的满意度。显然每位会员最大满意度为 10 + 9 + 8 = 27 10+9+8=27 10+9+8=27。依照假设2,只有该会员的满意度达到了27,才会给这位会员寄出DVD,对总满意度产生贡献。
我们定义
x
i
j
x_{ij}
xij
x
i
j
=
{
0
将第
j
种DVD不分配个第
i
个会员
1
将第
j
种DVD分配给第
i
个会员
i
=
1
,
2
,
⋯
,
1000
;
j
=
1
,
2
,
⋯
,
100
\begin{gathered} x_{i j}= \begin{cases}0 & \text { 将第 } j \text { 种DVD不分配个第 } i \text { 个会员 } \\ 1 & \text { 将第 } j \text { 种DVD分配给第 } i \text { 个会员 }\end{cases} \\ i=1,2, \cdots, 1000 ; j=1,2, \cdots, 100 \end{gathered}
xij={01 将第 j 种DVD不分配个第 i 个会员 将第 j 种DVD分配给第 i 个会员 i=1,2,⋯,1000;j=1,2,⋯,100
对于每种DVD,分配的总量不能超过现有的数量
n
j
n_j
nj,故有
∑
i
=
1
1000
x
i
j
≤
n
j
,
j
=
1
,
2
,
…
,
100
\begin{gather} \sum_{i=1}^{1000}x_{ij}\le n_j,\quad j=1,2,\dots,100 \end{gather}
i=1∑1000xij≤nj,j=1,2,…,100
只给下订单的DVD进行分配,即只有满意度指数
c
i
j
≠
0
c_{ij}\not=0
cij=0的时候才会将一张
j
j
j种DVD分配给会员
i
i
i,故有
x
i
j
≤
c
i
j
,
i
=
1
,
2
,
…
,
1000
;
j
=
1
,
2
,
…
,
100
\begin{gather} x_{ij}\le c_{ij},\quad i=1,2,\dots,1000;j=1,2,\dots,100 \end{gather}
xij≤cij,i=1,2,…,1000;j=1,2,…,100
相当于“若
c
i
j
=
0
c_{ij}=0
cij=0,则
x
i
j
=
0
x_{ij}=0
xij=0”。这用了一个很巧妙的方式。
根据假设2,每个会员要么得到3张其预定的DVD,要么不得。故有
∑
j
=
1
100
x
i
j
=
3
或
0
,
i
=
1
,
2
,
…
,
1000
\begin{gather} \sum_{j=1}^{100}x_{ij}=3或0,\quad i=1,2,\dots,1000 \end{gather}
j=1∑100xij=3或0,i=1,2,…,1000
在上述约束的前提下,我们需要最大化总体满意度指数和
∑
i
=
1
1000
∑
j
=
1
100
c
i
j
x
i
j
\begin{gather} \sum_{i=1}^{1000}\sum_{j=1}^{100}c_{ij}x_{ij} \end{gather}
i=1∑1000j=1∑100cijxij
显然每位会员最大的满意度指数为
27
27
27,1000位会员的最大满意度指数和为
1000
×
27
=
27000
1000\times 27=27000
1000×27=27000,依此进行归一化
max
w
=
1
27000
∑
i
=
1
1000
∑
j
=
1
100
c
i
j
x
i
j
\begin{equation} \max \quad w=\frac{1}{27000} \sum_{i=1}^{1000} \sum_{j=1}^{100} c_{i j} x_{i j} \end{equation}
maxw=270001i=1∑1000j=1∑100cijxij
由此可得问题二的0-1整数线性规划模型如下:
max
w
=
1
27000
∑
i
=
1
1000
∑
j
=
1
100
c
i
j
x
i
j
s.t.
{
(
∑
j
=
1
100
x
i
j
)
−
3
z
i
=
0
∑
i
=
1
1000
x
i
j
≤
n
j
x
i
j
≤
c
i
j
x
i
j
=
0
或
1
z
i
=
0
或
1
i
=
1
,
2
,
⋯
,
1000
;
j
=
1
,
2
,
⋯
,
100
\begin{equation} \begin{aligned} & \max \quad w=\frac{1}{27000} \sum_{i=1}^{1000} \sum_{j=1}^{100} c_{i j} x_{i j} \\ & \text { s.t. }\left\{\begin{array}{l} (\sum_{j=1}^{100} x_{i j})-3 z_i=0\\ \sum_{i=1}^{1000} x_{i j} \leq n_j\\ x_{i j} \leq c_{i j}\\ x_{i j}=0 \text { 或 } 1\\ z_i=0 \text { 或 } 1 \end{array}\right. \\ & i=1,2, \cdots, 1000 ; j=1,2, \cdots, 100 \end{aligned} \end{equation}
maxw=270001i=1∑1000j=1∑100cijxij s.t. ⎩
⎨
⎧(∑j=1100xij)−3zi=0∑i=11000xij≤njxij≤cijxij=0 或 1zi=0 或 1i=1,2,⋯,1000;j=1,2,⋯,100
其中
z
i
z_i
zi是一个人工变量,用于解决限制
∑
j
=
1
100
x
i
j
=
3
或
0
\sum_{j=1}^{100}x_{ij}=3或0
∑j=1100xij=3或0。
Lingo代码
需要先设置xls
文件的区域名称
[
1
]
^{[1]}
[1]
MODEL:
SETS:
A /1..1000/:z;
B /1..100/:dvd;
link(A,B):ordC,C,x;
ENDSETS
DATA:
ordC = @OLE("...\2005Bdata.xls", 'ordC');
dvd = @OLE("...\2005Bdata.xls", 'dvd');
ENDDATA
CALC:
@for(A(i):
@for(B(j):
C(i,j)=@if(ordC(i,j) #EQ# 0,0,11-ordC(i,j));
)
);
ENDCALC
max=@sum(link(i,j):C(i,j)*x(i,j))/27000;
@for(A(i):@sum(B(j):x(i,j))=3*z(i));
@for(B(j):@sum(A(i):x(i,j))<=dvd(j));
@for(link(i,j):x(i,j)<=C(i,j));
@for(link(i,j):@bin(x(i,j)));
@for(A(i):@bin(z(i)));
END
解得总体最大满意度为 91.56 % 91.56\% 91.56%,只有6个人没有成功租赁。
问题三模型建立与求解
问题三大体上和问题二接近,但是由于同时要最小化dvd的购买量(减少成本),允许在当前某些会员无法满足租赁要求的时候,让其等待,利用部分会员归还的dvd对其进行租赁。
根据问题一(略),一个月中每张有 0.6 0.6 0.6的概率被租赁两次, 0.4 0.4 0.4的概率被租赁一次。即在二次租赁的情况下,每购买一张DVD当于发挥了 0.6 × 2 + 0.4 = 1.6 0.6\times 2+0.4=1.6 0.6×2+0.4=1.6张DVD的作用。
由此我们在问题二的模型的基础上,进一步考虑DVD两次租赁的情况,满足 95 % 95\% 95%的会员的DVD需求,同时进一步追求DVD总购买量最小,建立双目标线性规划模型。
对于每种DVD,分配的总量不超过购买量的1.6倍
∑
i
=
1
1000
x
i
j
≤
1.6
y
j
,
j
=
1
,
2
,
…
,
100
\begin{gather} \sum_{i=1}^{1000}x_{ij}\le 1.6y_j,\quad j=1,2,\dots,100 \end{gather}
i=1∑1000xij≤1.6yj,j=1,2,…,100
95
%
95\%
95%的会员可以看到他想看的3张DVD,DVD总共至少要
1000
×
3
×
95
%
=
2850
1000\times3\times95\%=2850
1000×3×95%=2850张
∑
i
=
1
1000
∑
j
=
1
100
x
i
j
≥
1000
×
3
×
0.95
=
2850
\begin{gather} \sum_{i=1}^{1000}\sum_{j=1}^{100}x_{ij}\ge 1000\times 3\times 0.95=2850 \end{gather}
i=1∑1000j=1∑100xij≥1000×3×0.95=2850
希望购买的DVD总数量尽量少
min
z
=
∑
j
=
1
100
y
j
\begin{gather} \min \quad z=\sum_{j=1}^{100}y_j \end{gather}
minz=j=1∑100yj
由此可得问题三的双目标线性规划模型如下:
min
z
=
∑
j
=
1
100
y
j
max
w
=
1
27000
∑
i
=
1
1000
∑
j
=
1
100
c
i
j
x
i
j
s.t.
{
∑
i
=
1
1000
∑
j
=
1
100
x
i
j
≥
1000
×
3
×
0.95
∑
i
=
1
1000
x
i
j
≤
1.6
y
j
(
∑
j
=
1
100
x
i
j
)
−
3
z
i
=
0
x
i
j
≤
c
i
j
x
i
j
=
0
或
1
z
i
=
0
或
1
y
j
为整数
i
=
1
,
2
,
⋯
,
1000
;
j
=
1
,
2
,
⋯
,
100
\begin{equation} \begin{aligned} & \min \quad z=\sum_{j=1}^{100}y_j\\ & \max \quad w=\frac{1}{27000} \sum_{i=1}^{1000} \sum_{j=1}^{100} c_{i j} x_{i j} \\ & \text { s.t. }\left\{\begin{array}{l} \sum_{i=1}^{1000}\sum_{j=1}^{100}x_{ij}\ge 1000\times3\times 0.95\\ \sum_{i=1}^{1000}x_{ij}\le 1.6y_j\\ (\sum_{j=1}^{100} x_{i j})-3 z_i=0\\ x_{i j} \leq c_{i j}\\ x_{i j}=0 \text { 或 } 1\\ z_i=0 \text { 或 } 1\\ y_j为整数 \end{array}\right. \\ & i=1,2, \cdots, 1000 ; j=1,2, \cdots, 100 \end{aligned} \end{equation}
minz=j=1∑100yjmaxw=270001i=1∑1000j=1∑100cijxij s.t. ⎩
⎨
⎧∑i=11000∑j=1100xij≥1000×3×0.95∑i=11000xij≤1.6yj(∑j=1100xij)−3zi=0xij≤cijxij=0 或 1zi=0 或 1yj为整数i=1,2,⋯,1000;j=1,2,⋯,100
我们使用主要目标法,我们引入总体最小满意度
θ
∈
[
0
,
1
]
\theta\in[0,1]
θ∈[0,1],将关于满意度的目标转化为约束:
min
z
=
∑
j
=
1
100
y
j
s.t.
{
1
27000
∑
i
=
1
1000
∑
j
=
1
100
c
i
j
x
i
j
≥
θ
∑
i
=
1
1000
∑
j
=
1
100
x
i
j
≥
1000
×
3
×
0.95
∑
i
=
1
1000
x
i
j
≤
1.6
y
j
(
∑
j
=
1
100
x
i
j
)
−
3
z
i
=
0
x
i
j
≤
c
i
j
x
i
j
=
0
或
1
z
i
=
0
或
1
y
j
为整数
i
=
1
,
2
,
⋯
,
1000
;
j
=
1
,
2
,
⋯
,
100
\begin{equation} \begin{aligned} & \min \quad z=\sum_{j=1}^{100}y_j\\ & \text { s.t. }\left\{\begin{array}{l} \frac{1}{27000} \sum_{i=1}^{1000} \sum_{j=1}^{100} c_{i j} x_{i j} \ge \theta \\ \sum_{i=1}^{1000}\sum_{j=1}^{100}x_{ij}\ge 1000\times3\times 0.95\\ \sum_{i=1}^{1000}x_{ij}\le 1.6y_j\\ (\sum_{j=1}^{100} x_{i j})-3 z_i=0\\ x_{i j} \leq c_{i j}\\ x_{i j}=0 \text { 或 } 1\\ z_i=0 \text { 或 } 1\\ y_j为整数 \end{array}\right. \\ & i=1,2, \cdots, 1000 ; j=1,2, \cdots, 100 \end{aligned} \end{equation}
minz=j=1∑100yj s.t. ⎩
⎨
⎧270001∑i=11000∑j=1100cijxij≥θ∑i=11000∑j=1100xij≥1000×3×0.95∑i=11000xij≤1.6yj(∑j=1100xij)−3zi=0xij≤cijxij=0 或 1zi=0 或 1yj为整数i=1,2,⋯,1000;j=1,2,⋯,100
可以稍微对“为什么选取最小化DVD购买量为主要目标”作出一些合理的解释,比如“商家主要追求利润最大化,会员满意度在一定要求(比如90%)之上就差不多了”。
所以这里的 θ \theta θ可以自己主观调整。我们设 θ = 0.95 \theta=0.95 θ=0.95。在实际计算中,如果要求 y i y_i yi为整数,可能难以求得可行解,因而我们取消了对 y i y_i yi的整数约束,在计算之后再对其进行取整。
MODEL:
SETS:
A /1..1000/:z;
B /1..100/:y;
link(A,B):ordC,C,x;
ENDSETS
DATA:
ordC = @OLE("...\2005Bdata.xls", 'ordC');
theta=0.95;
@OLE("...\T3_Output.xlsx",'y')=y;
ENDDATA
CALC:
@for(A(i):
@for(B(j):
C(i,j)=@if(ordC(i,j) #EQ# 0,0,11-ordC(i,j));
)
);
ENDCALC
min=@sum(B(j):y(j));
@sum(link(i,j):C(i,j)*x(i,j))/27000>=theta;
@sum(link(i,j):x(i,j))>=1000*3*0.95;
@for(B(j):@sum(A(i):x(i,j))<=1.6*y(j));
@for(A(i):@sum(B(j):x(i,j))=3*z(i));
@for(link(i,j):x(i,j)<=C(i,j));
@for(link(i,j):@bin(x(i,j)));
@for(A(i):@bin(z(i)));
!@for(B(j):@gin(y(j)));
END
当 θ = 0.95 \theta=0.95 θ=0.95时,我们解得DVD总最小购买量 min z = 1781.250 \min\ z=1781.250 min z=1781.250,各种DVD需要的购买量 y j y_j yj如下表(节选)
DVD编号 | 总计 | 1 | 2 | 3 | 4 | 5 | … |
---|---|---|---|---|---|---|---|
y j y_j yj | 1781.250 | 13.125 | 20 | 15 | 23.125 | 12.5 | … |
round( y j y_j yj) | 1782 | 13 | 20 | 15 | 23 | 13 | … |
这里我和老师求出来的不太一样(1823),可能是我写的代码哪里出错了,还望斧正!
所有数据和代码打包放这里了。
参考文献
[ 1 ] [1] [1] LINGO与EXCEL之间的数据传递 - GShang - 博客园 (cnblogs.com)