2021年全国大学生数据建模 C题 数学建模大赛

---

目录

一、摘要

本文针对供货商保障生产重要性的评价问题和企业不同需求下订单规划问题进行了模型建立和与算法求解。首先我们对于货商保障生产重要性评价问题，通过数据可视化技术筛选出特征因子，通过层次分析法和熵权法得出特征因子权重值，进行得分评价。对于企业不同需求下订单规划问题，建立了多权重下的0-1规划模型，主要权重因素为：时间、材料、企业生产力。通过0-1规划模型，匹配到保证企业生产力的供货商。并在此基础上建立了多目标优化模型，利用动态规划策略制定出不同条件下的订货方案和转运方案。

针对问题一，本文通过将所给数据可视化处理，确定了5个对生产重要性影响较高的指标。之后将处理过的数据进行标准化、归一化，并利用层次分析法与熵权法相结合，制定了一个优化的评价分析模型。得出来5个指标对生产重要性影响的程度，之后用公式法建立了综合得分模型。通过计算得分，给出了402家供应商的排名，确定了前50名最重要的供应商。

针对问题二，通过数据可视化，发现供货量呈现出一定的时序性。所以我们对数据进行了分周处理。结合问题一的综合得分，以供货量为主要因素，采用了0-1规划模型。每周分别建立了一个选择矩阵和产能贡献矩阵，通过矩阵相乘，反映出当周的产能情况，将所有矩阵求和与总需产能做对比从而确定需要77家供应商。针对这些供应商，建立了以生产成本最低、损耗最少为目标函数；企业供货量、是否供货为决策变量，以满足每周产能、不超过转运商转运上限、优先考虑A类原材料等为约束条件的多目标优化模型。在此基础上，给出了订购方案与转运方案，并且我们使用随机模拟对实施效果进行分析，验证了模型的准确性。

针对问题三，该问与问题二基本一致，但是对于所选择的供应商发生了变化，也就是说对于原材料的需求优先级改变了，同样沿用问题二的模型，增加了一个比例因子，将定义为偏向度，A类供应商偏向度小于1，C类供应商偏向度大于1，B类供应商偏向度等于1。以此来说明我们在进行计算时A类材料所占总体比重较高，在原有模型上加上一些约束条件和适应因子，便构成了本问的优化模型。对代码进行一些微小变动，求得结果并制定了新的方案，对实践效果进行随机模拟，证实了结果可信赖。

针对问题四，通过数据发现了前24周中，除第一周外（订购了两周的量），企业能够收购全部的商品，同时转运商可以全部运输，即配送方案成为了主导。为满足尽量少的成本，尽量高的产能，尽量少的损耗，优先使用货运损失较低的转运商，优先级为A原材料>B原材料>C原材料。则可将问题转化为优化模型，求出提高的产能，并制定订购与转运方案。

关键词：多目标优化模型 层次分析法 熵权法 量化分析 0-1规划 动态规划

1.问题重述

1.1问题的条件

企业生产所需的原材料可分为 A，B，C 三种类型。该企业每年按48周计划生产，需要提前定制24周的原材料订购和转运方案，也就是根据产能要求确定供应商和每周的订货量，同时确定转运商并委托其将供应商每周供应的原材料（供货量）转运到企业仓库。
该企业每周产能为 2.82 万立方米，每立方米产品需要消耗：A类原材料0.6立方米，或B类原材料0.66立方米，或C类原材料0.72立方米。因为原材料的材质问题，供应商不可以保证严格按量供货，实际供货量可能少于或多于订货量。为保证正常生产的需要，该企业要尽量保持满足两周以上生产需求的原材料库存量，所以该企业总是全部收购供应商所提供的材料。
在实际运输过程中，会损耗一部分的原材料，转运商实际运送到企业仓库的原材料数量称为“接收量”。每家转运商每周最多可以运输6000立方米材料。一般情况下，一家供应商每周供应