2017年D题优秀论文再现

从今天起我们队伍开始正式准备国赛啦，今天队伍学习的第一篇是 2017年D题：巡检线路的排班

这样的生产调度问题会使用到规划模型，那么就要按照规划模型的组成，确定优化目标，从而确定模型的目标函数和约束条件。

优化目标：

1. 每一班人员数量尽可能少。  原论文的处理是：所用工人最少，其实就是完成巡检任务所用时间之和最小。将其写为目标函数。

2.每位工作人员的工作时间应该平均。论文将工作人员的工作时间差异控制在10分钟以内，将其写为约束条件。全文的基本思路是这样的：

整个调度的核心是对工作人员巡检的场所进行调度，即哪个人应该巡检哪个地方，我们很容易看出这是一个指派问题，采用0-1规划。

那么巡检的路线怎么确定？当我们通过上一步得到对工作人员的场所分派后，我们再按照最短路（无向加权路）算法来确定巡检路线。

当我们确定好巡检路线后，巡检时间表也就确定了。由此我们可以总结出：对于复杂调度模型，我们可以挖掘调度的各个方面，找到核心调度，然后以此为基础，递进式的解决其他调度任务。

然后文章的细节部分我就不讲了，这里就给大家勾个轮廓，想看文章的在这里（积分我设置为0了，大家可以自由下载）：

 2017年国赛D题优秀论文-其它文档类资源-CSDN文库

我主要讲讲我是怎么复现代码的：我的复现过程模拟了一下它的数据与约束条件，能够跑通，若欲完全复现修改添加真实数据即可。

注释中提到的处理关系：   , i,j的起始索引为1。

test=randi(7,5,5);
constte=randi(7,5,5);
% test和constte都是模拟论文中的稀疏矩阵

x = optimvar('x',15,1,'Type','integer','LowerBound',0,'UpperBound',1);
% 在我的假设下，一共有3位工作人员，5个巡检点

obj = fcn2optimexpr(@objfunx,x,test);
%由于是目标函数和约束条件都不是基本初等函数,在写进模型之前需要用fcn2optimexp函数转化为优化表达

prob = optimproblem('Objective',obj,'ObjectiveSense','max');

%我这里约束条件只写了一组，只是示范用
con1=fcn2optimexpr(@cons_fun,x,2,constte)
prob.Constraints.cons1=con1>=4;
prob.Constraints.cons1=con1<=9;

x0.x =zeros(15,1);  %%在使用solve函数求解模型之前，需指定x的初始值，否则报错
[sol,fval,exitflag,output] = solve(prob,x0)
fval
sol



function f = objfunx(x,test)
sum=0;
for k=1:3
    for i=1:5
        for j=1:5
            sum=sum+test(i,j)*x(5*(k-1)+j)*x(5*(k-1)+i);  %%这里有一个将二维坐标处理成一维 
                                                          %%索引的处理
        end
    end
end
     f=sum;       
end

function f = cons_fun(x,k,constte)  %%k代表第几个工作人员
k=1;
sum=0;
    for i=1:4
        for j=1:4
            sum=sum+constte(i,j)*x(5*(k-1)+j)*x(5*(k-1)+i);
        end
    end
     f=sum;       
end