【数学建模】简单的优化模型-1 存贮模型

禾风wyh

于 2024-07-30 14:54:11 发布

阅读量226

点赞数 3

分类专栏：数学建模文章标签：数学建模算法

本文链接：https://blog.csdn.net/weixin_62403234/article/details/140735391

版权

数学建模专栏收录该内容

2 篇文章 0 订阅

订阅专栏

简单的优化模型，可以归结为微积分中的函数极值问题，可以直接用微分法求解。首先，我们需要确定优化目标是什么，决策是什么，决策受哪些条件的限制，然后用数学工具（变量、函数、常数）表示他们，最后，用微分法求出最优决策后，要对结果进行定性、定量的分析和必要检验。

下面，将介绍8个教材上的模型。本文将进行存贮模型的讲解。

存贮模型

背景：工厂定期订购原料，存入仓库供生产之用，这些情况下都有一个贮存量多大才合适的问题。贮存量过大，费用高；贮存量太小，会导致一次性订购费用增加，或不能及时满足需求。下面将讨论两种模型：不允许缺货模型和允许缺货模型。

1. 不允许缺货模型

问：多少天生产一次（生产周期），每次产量多少，可使平均每天总费用最小

问题分析：生产周期短、产量少，贮存费小，准备费大；周期长、产量多，贮存费大，准备费小。

模型假设：

模型建立：贮存量q(t)，t=0时生产Q件，贮存量q(0)=Q，q(t) 以需求速率r递减，直到 q(T)=0，显然 Q=rT.

从图中，我们可以知道生产一次，即一个周期内的贮存费为，生产准备费为，得到一个周期的总费用为 $\overline{C}=c_{1}+c_{2}\frac{QT}{2}=c_{1}+c_{2}\frac{rT^{2}}{2}$ （目标函数）.

模型求解：使得目标函数C最小，得到 $T=\sqrt{\frac{2c_{1}}{c_{2}r}}$ $Q=\sqrt{\frac{2c_{1}r}{c_{2}}}$ ，带入目标函数可以得到 $C=\sqrt{2c_{1}c_{2}r}$ .

结果解释：生产准备费增加时，生产周期和产量都在变大；贮存费增加时，生产周期和产量都变小，当需求量增加时，生产周期变小而产量变大。经过定性分析，这些结果均符合常识。

敏感性分析：讨论 $c_{1}$ , $c_{2}$ , $r$ 有微小变化时对生产周期T的影响。用相对该变量衡量结果对参数的敏感程度 $S(T,c_{1})=\frac{\Delta T/T}{\Delta c_{1}/c_{1}}\approx \frac{dT}{dc_{1}}\frac{c_{1}}{T}=\frac{1}{2}$ ，作类似定义可以得到， $S(T,c_{2})=-\frac{1}{2}$ , $S(T,r)=-\frac{1}{2}$ .

2. 允许缺货模型

问：多少天生产一次（生产周期），每次产量多少，可使平均每天总费用最小

问题分析：生产周期短、产量少，贮存费小，准备费大；周期长、产量多，贮存费大，准备费小。因贮存不足时造成缺货时，可认为贮存量函数 q(t) 为负值。

模型假设：

模型建立：贮存量q(t)，t=0时生产Q件，贮存量q(0)=Q，q(t) 以需求速率r递减，直到 q(T)=0，显然

从图中我们可看出， 𝑇1 到 T 这段时间缺货时段内需求率 r 不变，q（t）按原斜率继续下降，由于缺货需补足，所以在t = T时数量为 R 的产品立即到达，使下周期初的贮存量恢复到 Q。与建立不允许缺货时类似，一个周期内的贮存费是 𝑐2 乘以三角形 A 的面积，缺货损失费则是 𝑐3 乘以三角形 B 的面积.计算这两块的面积，并加上准备费 𝑐1 ，得到一个周期的总费用为，每天的平均费用为

模型求解：

结果解释： T’ > T ,Q’ < Q , R > Q，即允许缺货时周期以及供货量应增加，周期初贮存量应减少，缺货损失费 𝑐3 越大（相对于贮存费 𝑐2 ）， λ 越小， T’ 越接近 T ， Q’ ， R 越接近 Q .当 𝑐3 → ∞时 λ → 1，于是 𝑇′ → T, 𝑄′ → Q,R → Q

matlab 代码：

其中，设生产准备费为5000元，贮存费为1元/天/件，日需求量为100件。

clc;
clear;

c1 = 5000;
c2 = 1;
r = 100;

% 假设 T 是一个变量，可以取某个范围内的整数值
T = 1:100;  % 你可以根据需要调整范围

Q = r * T;
C = c1 + c2 * Q .* T / 2;

% 找到最大值及其对应的 T
[maxC, idx] = max(C);
optimalT = T(idx);

% 输出结果
fprintf('最大成本 C = %.2f 对应的 T = %d\n', maxC, optimalT);

运行结果：